연구 기반

사전 학습 모델 위에 구축된 비전 시스템 생각보다 적은 라벨로.

맞춤형 컴퓨터 비전 시스템은 대규모 사전 학습 모델이 누구도 라벨을 붙이기 전에 새로운 시각 작업에서 이미 얼마나 많은 것을 할 수 있는지에서 출발합니다. 이것이 검사, 문서, 영상, 측정 시스템의 스코핑 방법입니다.

상담 예약 →열한 개 시스템 모두

누구를 위한가

아직 손으로 하는 팀을 위해.

이미지와 영상에서 부품, 자산, 시설을 검사하는 제조업, 유틸리티, 운영자

텍스트 레이어가 놓치는 정보를 이미지가 담고 있는 기록물, 양식, 신분증을 디지털화하는 조직

일반 카메라에서 포즈, 키포인트, 동작을 측정해야 하는 스포츠, 헬스케어, 트레이닝 제품

무엇을 하는가

컴퓨터 비전 시스템, 일 단위로.

검사

외관 검사 및 모니터링

고정 카메라, 드론, 핸드헬드 사진에서 결함, 마모, 점유율, 변화를 감지. 시스템을 신뢰하기 전에 정확도를 알려주는 라벨링된 평가 세트 포함.

읽기

문서 이미지 이해

OCR만으로는 실패하는 스캔과 사진에서 레이아웃, 표, 스탬프, 필기, 서명을 읽어 문서 처리 에이전트에 공급합니다.

측정

포즈, 키포인트, 대응점

신체 포즈, 오브젝트 키포인트, 이미지 및 프레임 간 점 매칭. 동작 분석, 피팅, 트래킹, 증강 현실의 기반 문제입니다.

적응

파운데이션 모델 적응

사전 학습된 비전 및 디퓨전 모델을 목표 정확도에 도달하는 최소 라벨 세트로 귀사 도메인에 적응. 더 작고 저렴한 모델로 충분한지에 대한 측정된 답변 포함.

어떻게 만드는가

구축은 이 순서로.

여기 각 시스템은 경계 있는 워크플로 하나로 범위가 잡히며, 성공 지표와 중단 임계값은 구축 전에 문서로 합의합니다. 아래 단계는 이 시스템에만 해당합니다.

먼저 평가 세트

귀사의 이미지 샘플을 팀과 수작업으로 라벨링하여 시스템을 판정하는 수치로 만듭니다. 모델 선택 전에 합의합니다.

사전 학습 모델로 베이스라인

감지, 세그멘테이션, 비전 언어, 디퓨전 기반 특징을 학습 없이 평가 세트에 대해 실행합니다. 대부분의 경우 이 베이스라인이 대부분을 달성합니다.

부족한 곳만 적응

파인튜닝, 프롬프트 튜닝 또는 소규모 라벨 세트. 베이스라인이 남긴 갭과 그 해소 비용에 따라 선택합니다. 추가 라벨링 구매 전에 정확도 곡선을 제시합니다.

데이터가 있는 곳에 배포

디바이스, 귀사 하드웨어, 또는 캐나다 클라우드 리전에서. 스케줄에 따라 평가 세트를 재실행하는 드리프트 모니터링 포함.

지금 위치

지금 운영하는 것 입니다.

클라이언트 컴퓨터 비전 사례 연구는 아직 공개하지 않았습니다. 첫 구축은 작업 시작 전에 평가 세트와 중단 임계값을 수립하는 파일럿으로 스코핑됩니다. 이것이 이 페이지의 다른 모든 라인이 사례 연구를 얻은 방법입니다.

거버넌스

자기 작업의 검증 방식.

고객 팀이 라벨을 붙인 평가 세트를 기준으로 시스템 출시 여부를 결정합니다
사람의 이미지는 서면 프라이버시 영향 평가에 따라 처리되며, 유스 케이스와 법률과 귀사 모두가 요구하지 않는 한 얼굴 식별을 하지 않음
모델은 귀사 하드웨어 또는 캐나다 클라우드 리전에서 실행 가능하여 이미지가 귀사 통제를 벗어나지 않음

나머지 태도는 신뢰와 보안 페이지에 공개되어 있습니다. 고객이 부여하고 철회할 수 있는 접근, 관리형 저장소의 자격 증명, NIST AI Risk Management Framework에 맞춘 AI 거버넌스 요약, 하위 처리자, 요청 시 DPA. SOC 2는 보유하지 않으며 그 사실도 그 페이지에 적습니다.

질문

컴퓨터 비전 시스템, 에 답합니다.

라벨링된 데이터가 얼마나 필요한가요?

필요량은 작업에 따라 달라집니다. 첫 2주 동안 합의된 평가 세트로 초기 데이터를 평가합니다. 사전 학습 모델이 시각 지식의 대부분을 가지고 있습니다. 좁은 작업의 경우 수백 개의 라벨 예시가 일반적인 출발점이며, 필요 없는 작업도 있습니다. 어떤 수치이든 추가 라벨링 비용을 지불하기 전에 정확도 곡선을 확인할 수 있습니다.

PyTorch, YOLO, 클라우드 비전 API 중 무엇으로 구축하나요?

학습하는 것에는 PyTorch, 작업에 맞는 사전 학습 패밀리를 사용합니다. 감지 및 세그멘테이션 모델, 비전 언어 모델, 라벨이 부족할 때의 디퓨전 기반 특징입니다. 클라우드 비전 API는 기준을 충족하고 데이터가 테넌시를 떠나도 되는 경우에 사용합니다. 그 외에는 모델을 귀사 하드웨어에서 실행합니다.