Можно ли обучить модель компьютерного зрения всего на 50 изображениях без ручного подбора модели и параметров обучения, нажатием одной кнопки?

Анастасия Белозерова, заместитель директора по исследованиям команды VisionLabs, рассказывает, как они искали универсальный рецепт обучения моделей классификации для Luna Line.

Luna Line — no-code-платформа, позволяющая создавать модели компьютерного зрения без программирования, снижать порог входа в ИИ и ускорять вывод CV-решений в прод.

Исследователи провели более 9000 экспериментов на 28 датасетах (от дефектов металла до дорожного покрытия), чтобы найти универсальные правила, которые позволят автоматически подбирать настройки обучения под любой объём данных, избавляя пользователя от ручной работы.

Спойлеры:

Для датасетов до 5 000 изображений лучшие результаты показали модели семейства RegNet, а на более крупных выборках — ConvNeXt. Переходный порог чётко определён, и его можно зашить в автоматический пайплайн.

В ходе экспериментов удалось выявить оптимальные гиперпараметры (размер батча, темп обучения), которые работают эффективно для всех размеров данных, и только количество эпох обучения зависит от объёма выборки. Это значит, что большую часть настроек можно доверить алгоритму, а не инженеру.

Дополнительно выяснили, что модели тяжелее 10 млн параметров дают незначительный прирост качества, но требуют существенно больше ресурсов. Для продуктовых сценариев выгоднее использовать более компактные версии — это экономит вычислительные мощности и ускоряет вывод модели в прод.

Читайте подробности на Хабре и подписывайтесь на блог MWS AI, чтобы не пропустить вторую часть публикации — про сегментацию и трансформацию подхода к экспериментам.