В промышленных CV проектах часто сталкиваются с жёстким дефицитом данных — мало размеченных примеров, нет времени на сбор новых, а качество имеющихся оставляет желать лучшего. Классические подходы к обучению моделей в таких условиях оказываются неэффективными — либо требуют огромных бюджетов на разметку, либо дают низкую точность.

Мы предлагаем автоматизированный конвейер для развёртывания CV-решений в условиях дефицита данных, который сочетает три ключевых компонента: генерацию синтетических данных для реалистичного расширения обучающей выборки, автоматическую разметку с использованием предобученных моделей и методов активного обучения, и MLOps-инфраструктуру для непрерывного дообучения моделей на новых данных без необходимости полного перезапуска обучения.