Visual Layer recauda $7 millones para su plataforma de detección de errores en conjuntos de datos de imágenes

Visual Layer recauda 7 millones de dólares en financiación para su plataforma de detección de errores en conjuntos de datos de imágenes

Visual Layer, una startup con sede en Tel Aviv, ha recaudado 7 millones de dólares en una ronda de financiación liderada por Madrona e Insight Partners. La compañía ha desarrollado una plataforma que permite a los científicos de datos y a los ingenieros de aprendizaje automático detectar errores en conjuntos de datos de imágenes antes de que afecten al rendimiento del modelo. La tecnología de Visual Layer utiliza el proyecto de código abierto fastdub, que permite analizar cientos de millones de imágenes y encontrar automáticamente posibles problemas en los conjuntos de datos sin depender de costosas GPU.

La importancia de detectar errores en conjuntos de datos de imágenes

El etiquetado incorrecto, la duplicación o la corrupción de las imágenes pueden afectar significativamente al rendimiento de los modelos de aprendizaje automático para casos de visión por computadora. Sin embargo, con millones de imágenes en muchos conjuntos de datos, es virtualmente imposible detectar estos problemas manualmente. La plataforma de Visual Layer permite a los usuarios encontrar posibles problemas en sus conjuntos de datos de imágenes de forma automatizada y sin la necesidad de depender de costosas GPU.

La tecnología de Visual Layer

La tecnología de Visual Layer se basa en el proyecto de código abierto fastdub, desarrollado por los co-fundadores de la compañía Danny Bickson y Amir Alush. El proyecto fastdub ayuda a los ingenieros a encontrar posibles problemas en sus conjuntos de datos de imágenes, los agrupa y los visualiza. En su investigación, el equipo de Visual Layer descubrió que el popular conjunto de datos de pre-entrenamiento ImageNet-21K incluye más de un millón de pares de imágenes duplicadas entre sus poco más de 14 millones de imágenes.

La importancia de la gestión de datos visuales

Según Bickson, "las empresas y organizaciones de todo el mundo están experimentando la explosión de datos, y los datos visuales son uno de los tipos de datos más complejos y desafiantes de gestionar. Comprender, curar y gestionar este contenido es crucialmente importante para construir servicios significativos para los clientes en un amplio conjunto de industrias, desde el comercio minorista hasta la fabricación, los coches autónomos y más". La plataforma de Visual Layer ayuda a las empresas a gestionar grandes cantidades de datos visuales y encontrar posibles problemas en sus conjuntos de datos de imágenes.

Clientes tempranos y próximos pasos

Entre los primeros usuarios de Visual Layer se encuentran plataformas como Meesho, John Deere, Honeywell, Winnow y Nuvilab. La compañía planea utilizar la financiación para ampliar su equipo y desarrollar nuevas características para su plataforma. "Ahora con la realidad de los modelos de IA a gran escala, debemos resolver el problema de los datos. La emoción inmediata que vimos después del lanzamiento de fastdup nos dejó claro que los clientes están de acuerdo. Estamos emocionados de trabajar con el equipo de Visual Layer y la comunidad de fastdup para construir un nuevo componente fundamental de la pila de aplicaciones de IA", dijo Jon Turow, socio de Madrona.