| 詳細(xì)信息 |
語音標(biāo)注質(zhì)量評(píng)估算法優(yōu)缺點(diǎn) |
| 編輯： 來源：華泰證券 時(shí)間：2023/5/18 |
語音標(biāo)注質(zhì)量評(píng)估算法 1、 WER 算法 優(yōu)點(diǎn)：可以分?jǐn)?shù)字、英文、中文等情況分別來看 缺點(diǎn)： 當(dāng)數(shù)據(jù)量大時(shí)，性能會(huì)特別差 2、 SER 算法 優(yōu)點(diǎn)：對(duì)句子的整體性評(píng)估要優(yōu)于 WER 算法 缺點(diǎn)：句錯(cuò)誤率較G，一般是詞錯(cuò)誤率的 2 倍~3 倍 |
| 【聲明：轉(zhuǎn)載此文出于傳遞更多信息之目的，并不意味著贊同其觀點(diǎn)或證實(shí)其描述，文章內(nèi)容僅供參考，如有侵權(quán)，請(qǐng)聯(lián)系刪除。】 |
| 推薦信息 |
|
文本標(biāo)注質(zhì)量評(píng)估算法優(yōu)缺點(diǎn)
ROUGE算法參考標(biāo)注越多待評(píng)估數(shù)據(jù)的相關(guān)性就越高;METEOR算法評(píng)估時(shí)考慮了同義詞匹配,提高了評(píng)估的準(zhǔn)確率;SPICE算法對(duì)圖像標(biāo)注進(jìn)行評(píng)估
圖像標(biāo)注質(zhì)量評(píng)估算法優(yōu)缺點(diǎn)
MV算法簡單易用,常用作其他眾包質(zhì)量控制算法的基準(zhǔn)算法;EM算法可以收斂到局部最大化;RY算法將分類器與 Ground-truth 結(jié)合起來進(jìn)行學(xué)習(xí)
數(shù)據(jù)清洗缺失數(shù)據(jù)的處理方法
數(shù)據(jù)清洗作為數(shù)據(jù)預(yù)處理中至關(guān)重要的環(huán)節(jié),清洗后數(shù)據(jù)的質(zhì)量很大程度上決定了 AI算法的有效性,數(shù)據(jù)可能存在缺失值,噪聲數(shù)據(jù),重復(fù)數(shù)據(jù)等質(zhì)量問題
數(shù)據(jù)采集三種常見方式
實(shí)時(shí)的在線分析系統(tǒng)和分布式并發(fā)的離線分析系統(tǒng);通過網(wǎng)絡(luò)爬蟲或網(wǎng)站公開API方式獲取大數(shù)據(jù)信息;采集的對(duì)象包括視頻,圖片,音頻和文本等多種類型
建立數(shù)據(jù)集的流程 數(shù)據(jù)集產(chǎn)生
數(shù)據(jù)清洗,由于采集到的數(shù)據(jù)可能存在缺失值,噪聲數(shù)據(jù),重復(fù)數(shù)據(jù)等質(zhì)量問題; 模型訓(xùn)練人員會(huì)利用標(biāo)注好的數(shù)據(jù)訓(xùn)練出需要的算法模型
AI大模型需要什么樣的數(shù)據(jù)集
通過提升數(shù)據(jù)的質(zhì)量和數(shù)量來提升整個(gè)模型的訓(xùn)練效果,我們認(rèn)為未來數(shù)據(jù)成本在大模型開發(fā)中的成本占比或?qū)⑻嵘?主要包括數(shù)據(jù)采集,清洗,標(biāo)注等成本
TidyBot家庭服務(wù)機(jī)器人完成房間整理
機(jī)器人在基準(zhǔn)數(shù)據(jù)集中對(duì)看不見的物體實(shí)現(xiàn) 91.2% 的準(zhǔn)確率,TidyBot的真實(shí)移動(dòng)操作器演示了該方法,該操縱器在真實(shí)世界的測試場景中成功地收起了85.0%的對(duì)象
AI大模型算法輔助程序員編程 動(dòng)嘴就能編程
AI指導(dǎo)編程服務(wù),包括代碼解釋,找Bug等功能,插件上線僅幾天就有數(shù)萬次下載,允許開發(fā)人員用自然語言詢問如何完成特定的編碼功能 |
| 智能運(yùn)輸機(jī)器人 |
| AGV無人運(yùn)輸機(jī)器人-料箱版 |
| AGV無人運(yùn)輸機(jī)器人-標(biāo)準(zhǔn)版 |
| AGV無人運(yùn)輸機(jī)器人-料箱版（鈑金材質(zhì)） |
| AGV無人運(yùn)輸機(jī)器人-貨架版（鈑金材質(zhì)） |
| AGV無人運(yùn)輸機(jī)器人-貨架版（亮面不銹鋼材質(zhì)） |
| AGV無人運(yùn)輸機(jī)器人-開放版 |
| 行業(yè)動(dòng)態(tài) |
