Улучшение качества сегментации на основе пост-процессинга ручной разметки, полученной с помощью Label Studio
Доклад отклонён
Целевая аудитория
Тезисы
В рамках in-house решения задачи составления разметки нельзя быть полностью уверенным в получаемом качестве той самой разметки. Большую роль вы этом влияет простой человеческий фактор:
- желание побыстрее закончить с монотонной работой и начать обучать модель, если этим занимаются ML-разработчики,
- ограниченность временного ресурса, которая обусловлена необходимостью успеть выпуститься в production,
- простая невнимательность и неаккуратность.
В рамках доклада расскажу о том, как с помощью пост-процессинга на python (с использованием библиотеки Pillow) можно улучшить качество решения задачи сегментации, разметка для которой проведена с помощью Open Source платформы Label Studio.
Кандидат физико-математических наук, около 10 лет суммарного опыта работы и ведения научных проектов: занимался построением и развитием алгоритмов машинного обучения для решения прикладных задач в разных сферах (от E-commerce до экологии и EdTech’а), а также оцифровки бизнеса с последующим переходом на DDD-стратегию управления. В настоящее время CDO видеосервиса more.tv, ранее руководил департаментом обработки данных в Skillbox. Доцент факультета «Информационные технологии и прикладная математика» МАИ (НИУ).
more.tv
Видео
Другие доклады секции
Нейронные сети, искусственный интеллект