Использование Zero-shot и искусственных данных в проектах по компьютерному зрению

ML и AI в производственных компаниях

Python
ML
Лайфхаки

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Проблемы с исходными данными для обучения нейронных сетей — одна из ключевых в промышленности. Дорого, ограниченный доступ, недостаточность объема — боль для специалистов этого направления. Дмитрий расскажет, как срезать углы с помощью Zero-Shot learning и существенно сэкономить на разработке.

Целевая аудитория

Computer Vision-инженеры, DS-специалисты, DL-разработчики.

Тезисы

Часто бывает, что на производстве получить достаточное количество данных для обучения нейронных сетей просто невозможно. В таких случаях на помощь приходит Zero-Shot Learning и технологии генерации синтетических данных.

Я расскажу о том, как нам удалось решить задачу обнаружения очагов возгорания на предприятии и провалидировать работу системы с помощью искусственных данных. Синтетические данные, полученные с помощью диффузионных сетей, также позволили нам упростить процесс сбора датасетов нарушений ношения средств индивидуальной защиты и ускорить процесс адаптации сетей к новым вводным в технических заданиях.

Кроме того, в данном выступлении вы узнаете все о Zero-Shot в компьютерном зрении, о случаях его применения для быстрого создания MVP и PoC-решений в промышленном секторе, а также для авторазметки имеющихся датасетов.

Ведущий эксперт управления технологий компьютерного зрения в Еврохим (компания ЦТиП). Технический лидер команды разработки Computer Vision-решений для заводов и предприятий.

Активно веду open-source проекты на Github (Koldim2001) и снимаю обучающие видеоролики по DS на своем YouTube канале.

ЦТиП

ЦТиП — Цифровые технологии и платформы. Цифровые решения для промышленности, в частности, реализация проектов цифровизации в компании Еврохим.

Видео

Другие доклады секции

ML и AI в производственных компаниях