« L’œil vif pour le détail », voilà ce qui pourrait décrire la startup Visual Layer pour améliorer la performance des modèles de machine learning en traitant les erreurs des jeux de données visuelles. Si vous pensez que l’amour est aveugle, attendez de voir les problèmes qui peuvent survenir avec des images mal étiquetées, corrompues ou dupliquées !
Visual Layer, une startup basée à Tel Aviv, a annoncé aujourd’hui avoir levé 7 millions de dollars lors d’un tour de financement mené par Madrona et Insight Partners. Leur objectif est d’aider les data scientists et les ingénieurs en machine learning à détecter les problèmes de leurs jeux de données avant qu’ils n’affectent leurs modèles. Pour cela, la société a développé un système capable d’analyser des centaines de millions d’images sans avoir besoin de GPU coûteux et de détecter automatiquement les problèmes potentiels.
Au cœur de la technologie de Visual Layer se trouve le projet open source fastdub développé par les co-fondateurs Danny Bickson (CEO) et Amir Alush (CTO), qui possèdent une riche expérience entre autres chez Apple et Brodmann17. Fastdup aide les ingénieurs à détecter les problèmes potentiels dans leurs jeux d’images, clusters et visualisations.
Visual Layer lève 7 millions de dollars pour aider à détecter les problèmes dans les jeux de données d’images et améliorer ainsi les performances des modèles de machine learning.
Les recherches de l’équipe (qui compte également parmi ses membres Carlos Guestrin, co-fondateur et ancien PDG de Turi) ont révélé que le célèbre jeu de données pré-entrainement ImageNet-21K contenait plus d’un million de paires de doublons pour un total de 14 millions d’images. Les jeux d’images comportent aussi souvent des images corrompues, mal étiquetées, ou très similaires à d’autres mais avec des étiquettes différentes. Tout cela affecte grandement la performance des modèles entraînés à partir de ces données.
Visual Layer propose ainsi fastdup comme un service, avec des fonctionnalités supplémentaires pour les entreprises. Des entreprises telles que Meesho, John Deere, Honeywell, Winnow et Nuvilab font partie des premiers utilisateurs de cette technologie. Grâce à fastdup, la plateforme de commerce social indienne Meesho a par exemple pu améliorer la qualité de sa galerie d’images de 200 millions de produits.
Nul doute que Visual Layer et sa technologie fastdup ont un bel avenir devant eux dans la résolution des problèmes liés aux jeux de données d’images, car comme dit le proverbe : « il y a plus aveugle que celui qui ne veut pas voir ».
Source : Techcrunch
