About / Advertise
Med hjälp av ett KTH-utvecklat ritverktyg går det 10–20 gånger snabbare för en människa att ringa in och sätta etiketter på intressanta objekt i fotografier. Nu knoppas verktyget av till ett företag, Super Annotate AI.
För att lära sig att upptäcka katter i fotografier behöver datorer mängder av fotografier att träna på, där någon har hjälpt till och för hand ritat in konturerna av alla katter som förekommer.
Med dessa annoterade träningsfotografier som facit lär sig datorn sakta men säkert att generalisera och kan till slut korrekt själv rita in konturer av katter – även i bilder som datorn aldrig ens sett tidigare.
Det svenska verktyget Super Annotate underlättar finliret med själva inringandet såpass mycket att annoteringsprocessen ska kunna gå 10–20 gånger snabbare än när motsvarande verktyg från konkurrenter används.
Super Annotate identifierar automatiskt regioner i bilden som hänger ihop. Dessa regioner – kallade ”superpixlar” – kan annotatören därefter enkelt markera när hen skapar konturer, istället för att spåra konturen med en penna på pixelnivå.
De regioner som verktyget föreslår är uppenbarligen mer intelligent konstruerade än att de till exempel bara utgå från ytor med homogent utseende, det kan du se på den här filmen (länk).
KTH-studenten Oscar Örnberg och forskaren Vahan Petrosyan är två av personerna bakom företaget Super Annotate AI.
Tekniken bakom annoteringsprocessen är patenterad. Den bygger på forskning från KTH som delägaren och forskaren Vahan Petrosyan utfört.
Super Annotate AI har fått stöd av KTH Innovation.
Utan bra objektidentifiering blir det inga självkörande bilar. I en självkörande bil skannar kameror och andra sensorer av omgivningen runt fordonet och rapporterar var det finns bilar, cyklister, fotgängare, och så vidare.
En medicinsk tillämpning är att hitta tumörer i avbilningar.
KÄLLA: KTH
