DEDeutschENEnglish中文简体中文
Demo buchen
Menü

Compliance

DSGVOEU AI ActCybersicherheitAutomotive im ÜberblickE-MarkISA-ValidierungÜbersichtPreise

Accounting

ÜbersichtPreise

Growth

GrowthAuf die Warteliste

KI-Infrastruktur

ÜbersichtModelltrainingAnonymisierungsmodellRechenzentrumOn-PremiseRobotik

Branchen

Fahrtaufnahmen, anonymisiertISA-ValidierungE-Mark für FahrzeugelektronikCE-Kennzeichnung und Markteintritt für RoboterBuchhaltung für EU-Unternehmen in chinesischem Besitz

Unternehmen

MissionTeamKarriereNeuigkeitenKontakt

Sprache

Demo buchen

Modelle, trainiert auf Ihren eigenen Daten.

Wir trainieren eigene Modelle für Anonymisierung und ISA-Validierung. Trifft ein Modell auf Material, das es noch nicht kennt, trainieren wir es innerhalb der EU auf genau diesem Material nach. Ausgeliefert wird es erst, wenn es Prüfkriterien besteht, die vor dem Training festgelegt wurden, und ein Mensch es freigibt.

Gespräch vereinbarenZum Anonymisierungsmodell

KI-Infrastruktur › Modelltraining

Die Modelle, die wir trainieren.

Wie ein Modell besser wird und wie es ausgeliefert wird.

Jede Version durchläuft denselben Kreislauf. Ein Modell, das ein Prüfkriterium nicht erfüllt, wird als abgelehnt festgehalten, mit Begründung.

  • 01

    Sammeln

    Aus Produktions-Batches werden Frames und Erkennungen stichprobenartig entnommen.

  • 02

    Prüfen

    Zwei Teacher-Modelle annotieren jeden Frame. Wo sie sich widersprechen, wird jeder Frame per Augenschein geprüft.

  • 03

    Datensatz

    Bestätigte Fehlerkennungen werden zu Hard Negatives, bestätigte Auslassungen zu Positivbeispielen. Aufgeteilt wird nach Aufnahme, mit Herkunfts-Hashes.

  • 04

    Nachtrainieren

    Das Training startet vom exakten Produktions-Checkpoint, belegt durch seinen Hash. Die Prüfkriterien stehen vor dem Lauf fest.

  • 05

    Prüfkriterien

    Fehlerkennungen auf zurückgehaltenen Daten müssen sinken, die Kennzeichenerkennung muss halten, der ganze Datensatz wird durchlaufen und andere Domänen werden geprüft.

  • 06

    Freigabe

    Ein Mensch gibt das Modell frei, bevor etwas ausgeliefert wird.

  • 07

    Veröffentlichung

    Gewichte mit Prüfsummen und eine Model Card, abgelegt neben jeder früheren Version.

  • 08

    Einsatz

    Modellwechsel und Neubau der Engine dauern etwa zweieinhalb Minuten. Ein Rollback ist eine Datei.

So sieht die Korrektur einer Domäne aus.

  • Das Problem

    Auf Material aus einer neuen Region fand das eingesetzte Modell in einer einzigen Aufnahme 1.072 Gesichter, die es nicht gab: Sand, Kühlergrills, Schilder und Räder.

  • Die Daten

    26.695 Frames aus dieser Region, annotiert von Teacher-Modellen, jedes Gesicht geprüft.

  • Der erste Lauf

    An den Prüfkriterien gescheitert: Er verlor 61 % der Kennzeichen.

  • Die Lösung

    Kennzeichen vom eingesetzten Modell neu annotiert, Fehlerkennungen vierfach als Hard Negatives ergänzt.

−94 %Fehlerkennungen auf dem neuen Material.
+0,4 %gefundene Kennzeichen.
KeineDrift auf europäischem Material. Das Modell wurde freigegeben.

Wo das Training läuft.

  • Getrennt vom Produktivbetrieb

    Das Training hat eigene Ressourcen in einer EU-Region. Der Produktivbetrieb liest nur freigegebene Modelle; nichts wird direkt hineingeschoben.

  • In der EU

    Kundenmaterial berührt nie GitHub. Alle Daten bleiben in der EU.

  • Jede Version dokumentiert

    Welches Modell läuft, welches vorher lief, und jeder abgelehnte Lauf mit Begründung.

  • Per Prüfsumme festgelegt

    Die Produkte, die ein Modell nutzen, legen es über seine Prüfsumme fest.

Außerdem von Marsstein

Schicken Sie uns zehn Minuten Material.

Gespräch vereinbaren