論文の概要: YMIR: A Rapid Data-centric Development Platform for Vision Applications
- arxiv url: http://arxiv.org/abs/2111.10046v1
- Date: Fri, 19 Nov 2021 05:02:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-23 01:14:33.557972
- Title: YMIR: A Rapid Data-centric Development Platform for Vision Applications
- Title（参考訳）: YMIR: ビジョンアプリケーションのための高速なデータ中心開発プラットフォーム
- Authors: Phoenix X. Huang, Wenze Hu, William Brendel, Manmohan Chandraker,
Li-Jia Li, Xiaoyu Wang
- Abstract要約: 本稿では,コンピュータビジョンアプリケーションの開発を迅速化するオープンソースプラットフォームについて紹介する。
このプラットフォームは、効率的なデータ開発を機械学習開発プロセスの中心に置く。
- 参考スコア（独自算出の注目度）: 82.67319997259622
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces an open source platform for rapid development of
computer vision applications. The platform puts the efficient data development
at the center of the machine learning development process, integrates active
learning methods, data and model version control, and uses concepts such as
projects to enable fast iteration of multiple task specific datasets in
parallel. We make it an open platform by abstracting the development process
into core states and operations, and design open APIs to integrate third party
tools as implementations of the operations. This open design reduces the
development cost and adoption cost for ML teams with existing tools. At the
same time, the platform supports recording project development history, through
which successful projects can be shared to further boost model production
efficiency on similar tasks. The platform is open source and is already used
internally to meet the increasing demand from custom real world computer vision
applications.
- Abstract（参考訳）: 本稿では,コンピュータビジョンアプリケーションの迅速な開発のためのオープンソースプラットフォームを提案する。
このプラットフォームは、効率的なデータ開発を機械学習開発プロセスの中心に置き、アクティブな学習方法、データとモデルバージョン管理を統合し、プロジェクトのような概念を使用して、複数のタスク固有のデータセットを並列に高速にイテレーションできるようにする。
開発プロセスをコア状態と運用に抽象化し、サードパーティツールを操作の実装として統合するオープンAPIを設計することで、オープンプラットフォームにします。
このオープンデザインにより、既存のツールを使用したMLチームの開発コストと採用コストが削減される。
同時に、プラットフォームはプロジェクト開発履歴の記録をサポートし、成功しているプロジェクトを共有して、同様のタスクでモデル生産効率をさらに高めることができる。
プラットフォームはオープンソースで、すでに社内で、カスタムの現実世界のコンピュータビジョンアプリケーションからの需要の高まりに対応するために使用されている。
関連論文リスト
- OpenR: An Open Source Framework for Advanced Reasoning with Large Language Models [61.14336781917986]
大規模言語モデル(LLM)の推論能力を高めるためのオープンソースのフレームワークであるOpenRを紹介する。
OpenRは、データ取得、強化学習トレーニング、非自己回帰デコーディングを凝集性ソフトウェアプラットフォームに統合する。
私たちの研究は、OpenAIのo1モデルのコア技術と強化学習を探求する、オープンソースのフレームワークを初めて提供するものです。
論文 参考訳（メタデータ） (2024-10-12T23:42:16Z) - Automatic Platform Configuration and Software Integration for Software-Defined Vehicles [4.522485108591059]
本稿では,ソフトウェア定義車両(SDV)のプラットフォーム構成とソフトウェア統合を自動化する新しいアプローチを提案する。
モデルベースシステム工学(MBSE)を活用することで,プラットフォーム構成やソフトウェア統合計画を自動的に生成する。
提案システムは,安全要件の遵守を確保しつつ,動的かつ柔軟な資源割り当てを可能にする。
論文 参考訳（メタデータ） (2024-08-04T19:54:03Z) - ExaWorks Software Development Kit: A Robust and Scalable Collection of Interoperable Workflow Technologies [3.1805622006446397]
不均一な科学的発見は、ますます高性能なコンピューティングプラットフォーム上での実行を必要としている。
私たちはExaWorks Software Development Kit(SDK)の開発でこの問題に対処することに貢献しました。
SDKは、現在のベストプラクティスに従って開発された一連のワークフロー技術であり、特にHPCプラットフォームで動作するように設計されている。
論文 参考訳（メタデータ） (2024-07-23T17:00:09Z) - Emerging Platforms Meet Emerging LLMs: A Year-Long Journey of Top-Down Development [20.873143073842705]
TapMLは、さまざまなプラットフォームへの機械学習システムのデプロイを合理化するために設計された、トップダウンのアプローチとツーリングである。
従来のボトムアップメソッドとは異なり、TapMLはユニットテストを自動化し、徐々にモデルの計算をオフロードするためのマイグレーションベースの戦略を採用する。
TapMLは1年間にわたる現実世界の取り組みを通じて開発され、重要な新興モデルやプラットフォームをデプロイすることに成功しました。
論文 参考訳（メタデータ） (2024-04-14T06:09:35Z) - The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
大規模なソフトウェア開発は、非常に協力的な取り組みになっています。
この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。
この領域における最先端技術に関する広範な調査を提供する。
論文 参考訳（メタデータ） (2023-05-08T15:24:23Z) - A Scalable Approach to Modeling on Accelerated Neuromorphic Hardware [0.0]
この研究は、物理モデリングに基づくハイブリッドアクセラレーション型ニューロモルフィックハードウェアアーキテクチャであるBrainScaleS-2システムのソフトウェア側面を示す。
本稿では,BrainScaleS-2オペレーティングシステム(実験ワークフロー,API階層化,ソフトウェア設計,プラットフォーム操作)のキーとなる側面を紹介する。
焦点は、マルチコンポーネントニューロン、ハードウェア・イン・ザ・ループトレーニングのための高速な再構成、組み込みプロセッサのアプリケーション、非スパイキング操作モード、インタラクティブなプラットフォームアクセス、持続可能なハードウェア/ソフトウェアの共同開発など、新しいシステムとソフトウェア機能である。
論文 参考訳（メタデータ） (2022-03-21T16:30:18Z) - Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data
Programming [77.38174112525168]
私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
論文 参考訳（メタデータ） (2022-03-02T19:57:32Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z) - Knowledge Integration of Collaborative Product Design Using Cloud
Computing Infrastructure [65.2157099438235]
本論文の主な焦点は、クラウドコンピューティングインフラを用いた協調製品設計・開発のための知識統合サービスの提供に関する継続的な研究のコンセプトである。
提案された知識統合サービスは,知識リソースへのリアルタイムアクセスを提供することによってユーザを支援する。
論文 参考訳（メタデータ） (2020-01-16T18:44:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。