Kevesebb címkével is elérte ugyanazt a pontosságot az Ultralytics YOLO
Az NVIDIA és az Ultralytics közös tesztjében az Ultralytics YOLO26 az adathalmazok célzott bővítésével 19 ipari ellenőrzési adathalmazból 11-en a teljes adatkészleten tanított modell pontosságát hozta. Ezekben az esetekben a címkézett képek 53 százalékára nem volt szükség.
- Az Ultralytics YOLO26 19 ipari adathalmazból 11-en egyező pontosságot ért el.
- Ezeken az adathalmazokon a címkézett képek 53 százalékára nem volt szükség.
- A DAGM adathalmazain 69 és 74 százalék közötti tanításiidő-csökkenést mértek.
- A szintetikus hibaképek javították a hibák pontos lokalizálását.
- A 18 generálási körben készült 11 448 képből 1481 került be a tanításba.
A hiányzó példákat keresi és létrehozza a rendszer
Az Ultralytics október 21-én közzétett beszámolója szerint az NVIDIA-val együtt azt vizsgálták, mire képes a célzottan összeállított tanítóadat. A megközelítés alapja egy NVIDIA által támogatott, automatikus ügynöki adatbővítési folyamat, amely megkeresi, milyen példák hiányoznak a modellnek.
A folyamat először a meglévő képgyűjteményekben keres olyan valós képeket, amelyek lefedik a tanítóadat gyenge pontjait. Ha ilyenek nem állnak rendelkezésre, az NVIDIA Cosmos Data Factory szintetikus képeket készít a ritka vagy nehezen gyűjthető esetekhez. Az AnomalyGen nevű komponens automatikusan felcímkézi ezeket a képeket, így az újratanítás előtt nincs szükség kézi annotációra.
A Cosmos Data Factory az NVIDIA Cosmos világmodellekre épülő adatválogató, adatfeldolgozó és képgeneráló platform. A beszámoló példaként említi a gyártási hibák speciális típusait, illetve a közlekedési felvételek halszemoptikás torzítását.
19 ipari adathalmazon mérték össze a módszereket
Az Ultralytics gépi tanulási csapata 19 nyilvános ipari ellenőrzési adathalmazon tesztelte a folyamatot. Az adatok acélhoz, nyomtatott áramköri lapokhoz, szövetekhez, fémfelületekhez és fogyasztási cikkekhez kapcsolódtak, összesen mintegy 91 000 tanítóképpel. Minden futtatás egy 8 GPU-s gépen történt.
A két modell azonos beállításokkal készült: mindkettő Ultralytics YOLO26x volt, 100 tanítási korszakkal, ugyanazzal az optimalizálóval, tanulási rátával és véletlenmaggal. A különbséget a felhasznált képek adták. Az egyik modell az összes címkézett képen tanult, a másik az ügynöki folyamat által kiválasztott adatkészleten.
Az eredmény 11 adathalmazon egyezett a teljes adatkészletes modellével. A DAGM adathalmazain a rendszer a címkék tizedével is elérte ezt a szintet. A pcb-defect esetében 20 924 képből 7000-et hagytak ki, miközben a pontosságkülönbség négyszer kisebb volt a futtatások közötti eltérésnél.
Gyorsabb tanítás, pontosabb hibadobozok
A kisebb, célzott adatkészlet a számítási időt is csökkentette. A 19 adathalmazból 10-en gyorsabb volt az ügynöki folyamat. A DAGM esetében a tanítás 13 és 24 percről 4 és 7 percre csökkent, ami 69 és 74 százalék közötti mérséklődést jelentett. A VisA adathalmazon 19, a metal-surface-defect adathalmazon 12 százalékos megtakarítást mértek.
A gyorsulás nem minden esetben jelentkezett. Kilenc adathalmazon a folyamat tovább tartott egyetlen, teljes adatkészleten végzett tanításnál, mivel minden válogatási körben elölről kellett újratanítani a modellt.
A szintetikus hibaképek a hibák pontosabb lokalizálásában is segítettek. A legalább 75 százalékos átfedést megkövetelő [email protected] mérőszám a vizsgált DAGM-osztályokon 0,11 és 0,32 közötti értékkel javult, a visszahívás pedig minden tesztelt adathalmazon nőtt. A legnagyobb ugrást a DAGM 9. osztályán mérték, ahol az érték 0,650-ről 0,966-ra emelkedett.
A 18 generálási körben összesen 11 448 kép készült, de ezek közül csak 1481, vagyis körülbelül minden nyolcadik került be a tanításba. Az eredmények alapján az Ultralytics szerint a módszer a már YOLO-t használó ellenőrzési csapatok munkafolyamatába illeszthető, miközben a hangsúly a több adat gyűjtése helyett a modell számára hiányzó esetek célzott pótlására kerül.
Ultralytics: Ultralytics YOLO and NVIDIA Cosmos Data Factory: Synthetic data for defect detection
