Lightly Curation

機械学習モデルは、それがトレーニングされたデータと同じくらい良いものにしかなりません。

最適なデータを見つけ出すには、非常に時間とコストがかかります。

Lightlyのデータキュレーションは、アクティブラーニングを大規模に行うことができ、エンベッディング、メタデータ、モデル予測などの入力を使って、ラベリングとモデル学習に使いたい最も価値のあるサブセットを選択することができます。

また、このデータキュレーショのプロセスを自動化することで、毎日何百万もの画像や何千もの動画を処理することができるようになります。

ラベル付けされていない生の画像データを処理し、ラベル付けのために最も有益なサンプルを選択し、データセットの偏りを軽減します。

Lightlyは数百万の画像や数千の動画を含む大規模なデータセットにも対応します。

Lightlyが開発した「自己教師あり学習」と「能動学習」の独自キュレーション技術により、重要なデータを自動的に選択することを可能にします。

その結果、社内の既存ソリューションとの連携も容易に行え、拡張にかかるコストを削減します。

強力で評価済みの選択アルゴリズムスイートを活用して、最も関連性の高いトレーニングデータを見つけることで、導入サイクルとデータラベリングコストを削減します。

生成AIモデル、特にコンピューター・ビジョンが注目されるにつれ、データの量よりも質に焦点が移って来ています。

学習用データセットの質を高めるためには、多くのエッジケース画像のアノテーションプロセスへのデータ渡しが必要です。

現在のシステムは、以下のデータフォーマットのフィルタリングをサポートしています：画像とビデオデータ。

例として、BMP、GIF、JPEG、JPEG 2000、PNG、TIFF、WebPがあります。

次のリリースに向けて、テキストやオーディオなどの他のデータタイプのサポートに取り組んでいます。

現在サポートされていないデータ型の初期バージョンを試したい場合は、日本での窓口であるチャネルブリッジまでお問い合わせください。

現在のモデル品質の状況にも拠りますので一概には言えませんが、一例として、組み立てラインでのコンピュータビジョンによる自動品質検査と分析ビデオ検査システムの開発をしているLythium社のケースでは、以前のランダムな画像選択時とLightlyでのキュレーションにより画像選択時との精度の比較では、Lightlyによる選択時がランダム選択時を大幅に上回り、36%の精度向上の結果となりました。

オンプレミスおよびプライベートクラウドのソリューションがLightly社より提供されています。

はい。　入力データの制限はございますが、無償評価も可能です。

詳しくはチャネルブリッジのお問い合わせフォームよりお問い合わせください。