Etykietowanie danych

Etykietowanie danych jest koniecznością zawsze, gdy istnieje potrzeba przeszkolenia modelu sztucznej inteligencji na podstawie danych. Etykietowanie może być jednak (w zależności od ilości danych) procesem bardzo pracochłonnym i często wymaga specjalistycznej wiedzy na temat przypadku użycia, z którym dane są powiązane. Usługa ta oferuje klientowi dostęp do zespołu ekspertów składającego się z inżynierów przeszkolonych w zakresie opracowywania i stosowania modeli sztucznej inteligencji oraz agronomów posiadających rozległą wiedzę na temat rzeczywistych przypadków użycia.

Czas trwania tej usługi w dużym stopniu zależy od rodzaju oznakowania wymaganego przez klienta, a także od ilości danych, które mają być przetwarzane. Usługa jest świadczona począwszy od określenia, wraz z klientem, najbardziej odpowiedniej procedury etykietowania w oparciu o wymagania dotyczące przypadku użycia klienta. Ta wstępna analiza zapewni również oszacowanie czasu potrzebnego na wykonanie usługi. W tej fazie definiowania wybierzemy najbardziej odpowiedni rodzaj adnotacji do wytworzenia (np. adnotacje na poziomie pikseli obrazów w porównaniu z pojedynczą etykietą dla całego obrazu), a także poziom szczegółowości etykiet (np. kolor roślin, odmiana, klasa upraw). Uzgodnimy również z klientem oczekiwany format adnotacji (np. Po zakończeniu fazy definiowania usługi agrifoodTEF przystąpi do konfiguracji i wykonania oznakowania. Ostatecznym wynikiem usługi są oznaczone zbiory danych wraz ze sprawozdaniem zawierającym oceny danych oparte na wskaźnikach jakości.

Ten opis usługi jest celowo ogólny. Każdy przypadek tej usługi jest w rzeczywistości dostosowany do potrzeb i wymagań konkretnego klienta. Poniżej znajduje się przykład instancji usługi. Przykładowa usługa: Klient jest zainteresowany szybką identyfikacją pojawienia się choroby Peronospora (mączniaka zwyczajnego) w winnicach. Objawy peronospory można wykryć, kontrolując zmiany na powierzchni liści (pojawienie się małych plamek, stopniowe zmiany koloru liści). Klient wdrożył już algorytm widzenia komputerowego, aby sklasyfikować liście jako zdrowe lub niezdrowe z obrazów. Potrzebne są jednak dodatkowe dane, aby poprawić wydajność i niezawodność rozwiązania. Dane te zostały zebrane w terenie za pośrednictwem usługi S00113, ale klient wymaga, aby zostały one dokładnie opatrzone uwagami przez ekspertów agronomów, którzy mogą rozpoznać obecność objawów Peronospory na poziomie poszczególnych liści. Aby spełnić żądanie klienta, usługa S00290 jest wykonywana poprzez identyfikację masek segmentacyjnych jako najbardziej odpowiedniego formatu adnotacji. Chociaż produkcja masek wielokątnych jest bardziej kosztowna i uciążliwa, mogą one dokładniej reprezentować obszary liści dotknięte chorobą niż na przykład prostokątne pola ograniczające, które obejmują również zdrowe obszary liści. Wspólnie z klientem uzgodniono następnie, że 60 % zebranych obrazów zostanie opatrzonych uwagami przez 5 ekspertów w dziedzinie agronomii i) maskami segmentacyjnymi dla każdego regionu, jeżeli zostanie wykryty jakikolwiek region dotknięty chorobą, oraz ii) każdy region zostanie oznaczony jako „zdrowy” lub „niezdrowy”. Ponadto będziemy polegać na Kappa Fleiss, aby zapewnić osiągnięcie znaczącego poziomu porozumienia między komentatorami (0,60 lub więcej) przy oznaczaniu liści jako „zdrowych/niezdrowych”.