Rapport: Les équipes de vision par ordinateur du monde entier affirment que les projets sont retardés par des données insuffisantes

décembre 25, 2021 Par admin 0
Rapport: Les équipes de vision par ordinateur du monde entier affirment que les projets sont retardés par des données insuffisantes

Crédit image: Yuichiro Chino // Getty Images

Écoutez les DSI, les CTO et d'autres cadres supérieurs et cadres supérieurs sur les données et les stratégies d'IA au Sommet sur l'avenir du travail ce 12 janvier 2022. En savoir plus

Selon une nouvelle étude de Datagen, 99% des équipes de vision par ordinateur (CV) ont vu un projet d'apprentissage automatique (ML) annulé en raison de données de formation insuffisantes . Les retards, quant à eux, semblent vraiment omniprésents, avec 100 % des équipes déclarant avoir subi des retards de projet importants en raison de données de formation insuffisantes. La recherche indique également que ces défis liés aux données de formation se présentent sous de nombreuses formes et affectent les équipes CV dans une mesure presque égale. Les principaux problèmes rencontrés par les équipes de CV incluent une mauvaise annotation (48 %), une couverture de domaine inadéquate (47 %) et une simple rareté (44 %).

La rareté des domaines robustes -les données de formation spécifiques sont aggravées par le fait que le domaine de la vision par ordinateur manque de nombreuses normes ou meilleures pratiques bien définies. Lorsqu'on leur a demandé comment les données de formation sont généralement collectées dans leurs organisations, les personnes interrogées ont révélé qu'une mosaïque de sources et de méthodologies est utilisée à la fois sur le terrain et au sein des organisations individuelles. Qu'elles soient synthétiques ou réelles, collectées en interne ou provenant d'ensembles de données publics, les organisations semblent utiliser toutes les données qu'elles peuvent pour former leurs modèles de vision par ordinateur.

Cependant, Les équipes de vision par ordinateur ont déjà identifié et commencé à adopter les données synthétiques comme solution. Quatre-vingt-seize pour cent des équipes CV ont déclaré avoir déjà adopté l'utilisation de données synthétiques pour aider à former leurs modèles d'IA/ML. Néanmoins, la qualité, la source et la proportion de données synthétiques utilisées restent très variables d'un domaine à l'autre et seules 6 % des équipes utilisent actuellement exclusivement des données synthétiques.

Cette vague d'adoption de données synthétiques est cohérente avec une nombre de rapports récents de l'industrie prédisant que 2022 sera une année de rupture pour les données synthétiques. Ce consensus croissant est certainement de bon augure pour les nombreuses applications très attendues de la vision par ordinateur. En fait, il est possible que ces technologies soient beaucoup plus proches de leur réalisation qu'il n'y paraît. Qui sait? Peut-être ne sommes-nous qu'à quelques bons ensembles de données d'un monde sans conducteur.

Le rapport s'appuie sur les résultats d'une enquête en ligne menée auprès de 300 professionnels de la vision par ordinateur représentant 300 entreprises uniques.

Lire le rapport complet de Datagen.

    VentureBeat

    La mission de VentureBeat est d'être une place de ville numérique pour que les décideurs techniques acquièrent des connaissances sur la technologie transformatrice et effectuent des transactions. Notre site fournit des informations essentielles sur les technologies et les stratégies de données pour vous guider dans la gestion de vos organisations. Nous vous invitons à devenir membre de notre communauté, pour accéder à :

  • jusqu'à -date des informations sur les sujets qui vous intéressent nos newsletters

contenu de leader d'opinion et accès à prix réduit à nos événements prisés, tels que Transformer 2021 : Apprendre encore plus

fonctionnalités de mise en réseau, et plus

Devenir membre