Vatsal Ghiyalla, Shaipin toimitusjohtajalla ja perustajilla, on 20 vuoden kokemus tekoälypalvelujen tarjoamisesta terveydenhuollossa, ja hän on keskustellut tärkeimpien kuva- ja videomerkintöjen haasteiden tärkeydestä tässä uusimmassa vierasominaisuudessa.
Tärkein ote artikkelista on -
- Annotointityypit ja -tekniikat lukuun ottamatta tietojen merkitseminen on monimutkaisempaa kuin muiden strategioiden löytäminen. Myös enemmän kuin teksti- ja videomerkintöjä, yritysten on keskityttävä kuvien ja videoiden merkintöihin älykkäiden mallien valmistelussa, koska näiden muutosten pysyminen vaatii paljon tarkkuutta ja taitoja.
- Kaikkien tärkeimpien tiesulkujen joukossa on valtava määrä koulutusdataa, jota yritysten on vaikea hallita. Toisin kuin NLP-malleissa, jotka perustuvat teksti- ja äänimerkintöihin, tekoäly- ja ML-projektien on toimittava useiden tietojoukkojen kanssa ja hallittava parempaa työvoimaa.
- Lisäksi suuri määrä tietojoukkoja säilyttää niiden laatu ja johdonmukaisuus on toinen ongelma, joka yritysten on käsiteltävä. Mutta suurempi ongelma syntyy, kun luotettavien merkintäalustojen puute ja heikomman tiedonlaadun noudattaminen tulivat jatkuvaksi haasteeksi.
Lue koko artikkeli:
https://www.techcults.com/what-are-the-major-image-and-video-annotation-challenges/
