物体検出と注釈の時代は終わったのでしょうか?

急速に進化する機械学習の分野では、データのラベル付けという面倒で時間のかかる作業が依然として存在しています。画像分類、オブジェクト検出、セマンティックセグメンテーションのいずれの場合でも、手動でラベル付けされたデータセットは長い間、教師あり学習の基礎となってきました。

しかし、AutoDistill と呼ばれる革新的なツールのおかげで、状況はすぐに変わるかもしれません。

Github コードリンクは次のとおりです: https://github.com/autodistill/autodistill?source=post_page。

AutoDistill は、教師あり学習のプロセスに革命を起こすことを目的とした画期的なオープンソースプロジェクトです。このツールは、大規模で低速なベースモデルを活用して、より小型で高速な教師ありモデルをトレーニングし、ユーザーがラベルなし画像から直接、人間の介入なしにエッジで実行されるカスタムモデルの推論を実行できるようにします。

AutoDistill はどのように機能しますか?

AutoDistill の使用は、その機能と同じくらいシンプルかつ強力です。まず、ラベルのないデータがベースモデルに入力されます。次に、ベースモデルはオントロジーを使用して、ターゲットモデルをトレーニングするためのデータセットに注釈を付けます。出力は、特定のタスクを実行するように設計された精製モデルです。

これらのコンポーネントについて説明しましょう。

ベースモデル: ベースモデルは、Grounding DINO などの大型ベースモデルです。これらのモデルはマルチモーダルであることが多く、多くのタスクを実行できますが、多くの場合、サイズが大きく、遅く、高価です。
オントロジー: オントロジーは、ベースモデルにプロンプトを出す方法、データセットのコンテンツの説明、およびターゲットモデルが予測する内容を定義します。
データセット: これは、ターゲットモデルのトレーニングに使用できる、自動的にラベル付けされたデータのセットです。データセットは、ラベルのない入力データとオントロジーを使用して基本モデルによって生成されます。
ターゲットモデル: ターゲットモデルは、データセットを消費し、デプロイメント用の精製モデルを出力する教師ありモデルです。ターゲットモデルの例としては、YOLO、DETR などが挙げられます。
蒸留モデル: これは AutoDistill プロセスの最終出力です。これはタスクに合わせて微調整された重みのセットであり、予測を取得するために使用できます。

AutoDistill の使いやすさは実に驚くべきものです。ラベル付けされていない入力データを Grounding DINO などの基本モデルに渡し、オントロジーを使用してデータセットにラベルを付けてターゲットモデルをトレーニングすると、最終結果として、特定のタスクに合わせて高速化、精製、微調整されたモデルが生成されます。

このプロセスが実際にどのように行われているかは、ビデオでご覧いただけます: https://youtu.be/gKTYMfwPo4M

AutoDistillの影響

注釈付けに必要な膨大な手作業は、コンピュータービジョンの広範な導入を妨げる主な障害の 1 つでした。 AutoDistill はこの障害を克服するための重要な一歩を踏み出しました。このツールの基盤となるモデルは、多くの一般的なユースケースのデータセットを自律的に作成することができ、創造的なプロンプトと少量学習を通じてその有用性を拡大する可能性があります。

しかし、これらの進歩は素晴らしいものですが、ラベル付けされたデータが不要になったことを意味するものではありません。基礎となるモデルが改良され続けると、注釈付けのプロセスにおいて人間を置き換えたり、補完したりできるようになるでしょう。しかし、現時点では、ある程度の手動による注釈付けはまだ必要です。