Upgrade to Pro — share decks privately, control downloads, hide ads and more …

第13回 Data-Centric AI勉強会, 画像認識におけるData-centric AI

ksaito
February 11, 2025
Technology
0
370

第13回 Data-Centric AI勉強会, 画像認識におけるData-centric AI

第13回 Data-Centric AI勉強会 ~Data-centric AI入門 著者LT大会
画像認識におけるData-centric AI

ksaito

February 11, 2025
Tweet

Other Decks in Technology

See All in Technology
AndroidデバイスにFTPサーバを建立する
e10dokup
0
240
Larkご案内資料
customercloud
PRO
0
650
明日からできる！技術的負債の返済を加速するための実践ガイド～『ホットペッパービューティー』の事例をもとに～
recruitengineers
PRO
3
290
『AWS Distinguished Engineerに学ぶ リトライの技術』 #ARC403/Marc Brooker on Try again: The tools and techniques behind resilient systems
quiver
0
140
リアルタイム分析データベースで実現する SQLベースのオブザーバビリティ
mikimatsumoto
0
1.2k
管理者しか知らないOutlookの裏側のAIを覗く#AzureTravelers
hirotomotaguchi
2
320
Swiftの “private” を テストする / Testing Swift "private"
yutailang0119
0
120
サーバーレスアーキテクチャと生成AIの融合 / Serverless Meets Generative AI
_kensh
12
3.1k
N=1から解き明かす AWS ソリューションアーキテクトの魅力
kiiwami
0
110
TAMとre:Capセキュリティ編 〜拡張脅威検出デモを添えて〜
fujiihda
1
180
2024.02.19 W&B AIエージェントLT会 / AIエージェントが業務を代行するための計画と実行 / Algomatic 宮脇
smiyawaki0820
10
1.5k
Platform Engineeringは自由のめまい
nwiizo
4
2k

Featured

See All Featured
How to Think Like a Performance Engineer
csswizardry
22
1.3k
RailsConf 2023
tenderlove
29
1k
The Pragmatic Product Professional
lauravandoore
32
6.4k
Raft: Consensus for Rubyists
vanstee
137
6.8k
GraphQLの誤解/rethinking-graphql
sonatard
68
10k
What's in a price? How to price your products and services
michaelherold
244
12k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
49
2.3k
It's Worth the Effort
3n
184
28k
StorybookのUI Testing Handbookを読んだ
zakiyama
28
5.5k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
356
29k
The MySQL Ecosystem @ GitHub 2015
samlambert
250
12k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
27
1.9k

Transcript

  1. Data-centric AI入門 画像認識におけるData-centric AI OMRON SINIC X Senior Researcher 齋藤邦章

  2. • 画像認識におけるData-Centric AI • 画像認識モデルの基礎知識 • データを拡張、生成する技術 • 不完全アノテーションからの学習 •

    画像と言語ペアの関係性を学習した基盤モデル • 能動学習 2 2章の概要

  3. 2章の概要 • 画像認識におけるData-Centric AI • 画像認識モデルの基礎知識 • データを拡張、生成する技術 • 不完全アノテーションからの学習

    • 画像と言語ペアの関係性を学習した基盤モデル • 能動学習 3 「データを如何にデザインするか？」 に注目して研究事例を多く取り上げる.

  4. 2.3 データを拡張、生成する技術 • データ拡張の方法とその効果について研究事例を通して議論 4 物体検出におけるデータ拡張 (copy-paste) ロバストさを高めるためのデータ拡張 (Augmix) Ghiasi

    et.al., 2021, Hendrycks et.al., 2019

  5. 2.4 不完全アノテーションからの学習 • 自己教師あり学習と半教師あり学習 – データ拡張を利用した学習手法 5

  6. 2.5 画像と言語ペアの関係性を学習した基盤モデル 6 BLIPにおけるデータ収集のパイプライン • Webから収集した画像ー言語ペアをどう学習データとして利用しているか？

  7. 2.6 能動学習 • 予測の不確かさ (Uncertainty), データの多様性 (Diversity) 7