利用70万人的劳动力来标记数据和训练AI模型

数据集是人工智能(AI)的生命线 - 可以说,它们使模型成为可能。但是,没有相应注释的数据取决于正在运行的算法的类型(即,监督与无监督),或多或少是无用的。这就是为什么像Scale这样的样品标签创业公司筹集了数千万美元,并吸引了优步和通用汽车等客户。这就是为什么Kevin Guo和Dmitriy Karpman共同创办了Hive,这是一家使用由数十万志愿者提供的注释数据来培训特定领域AI模型的创业公司。

拥有近100名员工的Hive在从PayPal创始人Peter Thiel的创始人基金和其他人那里筹集了超过3000万美元的风险投资之前不久推出了旗舰产品--Hive Data,Hive Predict和Hive Enterprise。

Hive AI

“我们建立了[Hive],因为我们觉得虽然围绕人工智能和深度学习有很多兴奋,但我们没有看到很多实际的应用程序正在构建,”郭在电话采访中告诉VentureBeat。“有很多炒作,但他们真正要解决的问题似乎并不明显。大多数这些都是有些工作的演示,但并不是真正的企业级。“

为此,Hive通过Hive Work招募了大部分人类数据贴标人,Hive Work是一个智能手机应用程序和网站,指示他们完成分类图像和转录音频等任务。作为交换,Hive发放了一小笔奖励 - 每周数万美元。(郭说它可以使用“激增定价”来确保在必要时更快的周转时间,例如当Hive客户有特定项目时。)

该战略取得了成功。Hive在其贡献者社区中的30多个国家/地区拥有近700,000名用户,他们每天帮助处理大约一千万个标签,准确率达到99%。(这种准确性部分归因于一个淘汰系统,它每隔一段时间就会进入“已知”任务,确保用户不会对系统进行游戏。)客户通过提供数据标签服务的Hive Data挖掘员工队伍。针对多个垂直行业量身定制。

“获取培训数据来构建这些模型实际上非常非常重要。从某种意义上说,自动化的唯一方法就是招募大量的人力,这几乎具有讽刺意味,“郭说。“你可以拥有最好的框架,但如果没有良好的训练数据,你将无法获得良好的输出。我把它比作一个人类的头脑:你可以拥有最聪明的大脑,但如果你不教这个大脑猫狗之间的区别并展示它的好例子,它就永远不会认识到猫与狗之间的区别。“

Hive Work的输出还提供Hive Predict,为企业提供定制设计的计算机视觉模型,帮助企业实现业务流程自动化; Hive Enterprise,针对汽车,零售,安全和媒体等领域,提供从头开始构建的专有数据的定制深度学习模型。Hive使用基于Google开源TensorFlow框架的后端,通过API或云开发AI系统,或与集成合作伙伴合作设计内部部署解决方案。

到目前为止,凭借其内部服务器和网络基础设施,Hive创建了机器学习模型,可识别活动,预测年龄和性别,对汽车进行分类,确定相机传感器与感兴趣主体之间的距离,甚至可以检测爆炸等事件,电视节目中的枪声,战斗和广告。郭拒绝透露Hive的任何客户的名字,但表示每个客户每个月都会发出数千万的API请求。

Hive的模型之一 - 徽标模型API - 当然会检测徽标,但也会检测它们显示的产品或广告以及它们可见的持续时间。Hive声称,与Google Vision Cloud的5%召回率和66%的精确度相比,它具有99%的召回率和98精度。

Hive每周增加100个徽标,目标是在2018年第四季度达到10,000。

“我们的质量标准远远高于其他所有人,”郭说。“我不希望[Hive]成为另一个真正过度的人工智能公司,它实际上无法构建技术,我认为这对整个空间来说并不好。”


推荐文章

    自江森自控(Johnson Controls Inc.)的软件工程师Aditya Vora分享了一种快速精准的人头检测(head detector)算法并开源了代码。    看起来还是不错的!人头检测在视频监控中非常重要,而公交车、商场或者大型场馆的拥挤人群计数则是其重要应用场景。 算法思想作者称拥挤人群计数目前主要有两种实现路径:1.使用回归的算法思路,直接根据图像回归出拥挤人群密度热图,它的缺点是只能得到场景整体的一个拥挤指数,不能获知人群个体的具体位置,而且这种方法对图像分辨率很敏感。2.使用目标检测的方法,比如直接使用Faster RCNN检测人,检测后数目标为“人”的个数。这种方法的缺点是在人物相互遮挡的情况下往往性能较差,而人群越拥挤相互遮挡的可能性越大,导致算法使用受限。该文作者希望设计更有针对性的精准的人头检测,实现更加精准的人群计数。作者创新的两点,轻量级人头检测网络和anchors尺度的选择。网络架构:从上图可知,网络的前半部分是VGG16特征提取网络,经过一次卷积,然后分开分别使用1*1卷积进入Regression head(用于回归人头的位置信息)和Classification head(用于分类是否为人头)。在检测网络中,anchors是很重要的概念,是一组预定义的包围框,在对象检测系统中预测尺度和位移。作者认为普通目标识别中anchors的尺度定义过大,应该根据“有效感受野”(effective receptive field)的思想,减小尺度(直观上“人头”目标比“人体”目标也要小)。实验结果作者在BRAINWASH数据库上做了实验,打败了三个基线算法,并取得了与最好结果算法“可比较“的性能。提出的算法比较快,使用Quadro M1000M显卡(仅有512 CUDA核心)速度达到5fps,使用Jetson TX2(仅有256 CUDA核心)速度1.6fps。相比以往算法更加适合于嵌入式边缘计算平台。论文地址:https://arxiv.org/abs/1809.08766v1代码地址:https://github.com/aditya-vora/FCHD-Fully-Convolutional-Head-Detector

热门文章

        对数据标注行业稍微有些了解的人都知道数据标注进入门槛低,适合很多人兼职也适合创业。        正是因为数据标注行业的门槛低这个特点最近两年从事数据标注的小公司小工作室如雨后春笋般的遍布全车大大小小的县城。        但是目前有个有趣的现象,那就是有很多进入数据标注行业做了一段时间的人慢慢的感觉数据标注行业就是个坑?为什么有些人会说数据标注就是个坑呢?        其实对与有上述问题认识的人我们认为,这些人多数都是有于对这个行业对自身条件的不了解,盲目的开始进入数据标注行业的。为什么我们会这样说呢?下面就给给大家来分析下到底有哪几方面的原因:        一、有相当一部分人是听了朋友或者网上消息说这行很火爆,好做,门槛低,也有一部分人了因此租办公室买电脑招人,然后就去群里面找分发项目的人就开张干起来了。可实际上这些人他们大多数都没有充分了解数据标注行业,更没有认真仔细得去调查分析,到底自己能不能做好一个项目,到底自己能不能有质有量按时交付的完成一个项目,到底自己有没有这个能力来管理项目。更多的人也没有去用长远的眼光去考虑数据标注项目。        二、数据标注项目虽然入门门槛低,但是相当一部分有于理解认知应变能力上都不能保证去做好数据标注项目,还有一部分人由于自己对标注项目重视程度不足接到项目之后呢?不仔细认真的去阅读理解项目规则,更没有很好的对规则质检标准去培训员工,而对员工的要求主要看重每天的产出效率,从而导致接到手的项目做的质量很差,频繁的返工,有提项目甚至因为质量太烂项目方不给结算或者是结算比例很少,最终的结果就是做好些个项目但基本都是赔钱。        三、虽然业内人都 说数据标注简单,但是标注项目他也是一个系统性的工程,一个项目能不能做好并不简单的看项目好做就能赔钱。实际上决定项目赚不赚钱考验的是一个团队的项目管理水平,质量管理能力,运营能力各方面因素的。一句话再好赚钱的项目也照样有人赚钱也有人赚钱,要赚钱不是那么简单的。        四、还有些工作室 、小公司因为对行业不够了解等他们做了一段时间后发现,自己团队经常会没有项目做,而自己团队接项目的业务能力又不具备,甚至有的时候为了员工有活干去接一些价格极低根本就不赚钱的标注项目,时间稍微一长这些工作室团队就会赔上很多钱最终关门倒闭。        五、下来要说的就是一部分人人兼职人员由于认识不到位,对项目的规则质量要求 文件不认真阅读消化理解导致做的项目质量差返工有的甚至最后不结算,最终退出这行。更有一些人由于经验不足被标注行业的项目骗子给忽悠到辛苦劳动到最后结算时找不到人。        标注行业本身由于进入门槛低,做的人很行业内盲目打价格战,导致很多转手二手三手的项目在质量工期的要求下根本就不赚钱甚至赔钱,所以在这里也提醒大家做任何事都要谨慎而行。