Rib, een startup die annotatieprocessen voor computervisie automatiseert, heeft vandaag aangekondigd dat het $ 4.5 miljoen heeft opgehaald in een seed-ronde onder leiding van CRV. CEO Eric Landau zegt dat het kapitaal zal worden gestoken in het uitbreiden van het klantenbestand en platform van Cord, aangezien het bedrijf op zoek is naar extra werknemers.

Het trainen van AI- en machine learning-algoritmen vereist veel geannoteerde gegevens. Maar gegevens worden zelden geleverd met annotaties. Het grootste deel van het werk valt vaak toe aan menselijke labelmakers, wier inspanningen vaak duur, onvolmaakt en traag zijn. Naar schatting besteden de meeste bedrijven die machine learning toepassen meer dan 80% van hun tijd aan het labelen en beheren van gegevens. Sterker nog, in een recent onderzoek uitgevoerd door startup WolkBloem, zeiden datawetenschappers dat ze 60% van de tijd besteden aan het organiseren en opschonen van gegevens, vergeleken met 4% aan het verfijnen van algoritmen.

"Het bedrijf begon toen mijn medeoprichter, Ulrik Stig Hansen, zijn baan bij JP Morgan opgaf om een ​​opleiding in computerwetenschappen te gaan doen aan het Imperial College London", vertelde Landau via e-mail aan VentureBeat. “Mijn achtergrond was in de natuurkunde als Ph.D. drop-out van Harvard, maar ik werkte in de kwantitatieve handel waar ik duizenden modellen in productie nam. Ik ontmoette Hansen bij een ondernemersnetwerk in Londen, en tijdens een paar pinten in de pub realiseerden we ons dat ons perspectief vanuit financiën kon worden toegepast op het proces van het labelen van gegevens.”

Cord biedt een annotatieplatform voor computervisie dat een aantal handmatige labeltaken automatiseert. De reeks tools is ontworpen voor samenwerking tussen rollen en teams, van domeindeskundige annotators tot projectmanagers en machine learning-engineers.

Cord werd in 2020 mede opgericht door Landau, een ex-Harvard-uitvaller in de natuurkunde, naast Leeho Lim en Ulrik Stig Hansen. Landau verliet een baan in de fintech-industrie om het bedrijf te starten, met als doel kwantitatieve financiële principes toe te passen op het datalabelingproces.

Voordelen

Met de web-app van Cord kunnen gebruikers afbeeldingen en video annoteren, classificeren en segmenteren, evenals kwaliteitsbeoordelingen uitvoeren en "state-of-the-art" modellen trainen. Met de automatiserings-API van het platform kunnen ontwikkelaars gegevensbemonstering, augmentatie, transformatie, labeling en evaluatie automatiseren met aangepaste algoritmen voor trainingsgegevens, terwijl de Python SDK modellen traint, gegevensprogramma's samenstelt, algoritmen voor trainingsgegevens verzamelt en gegevens opneemt en verwerkt.

Cord biedt keypoint-trackingfuncties die het annotatieproces helpen versnellen om tot productie-AI te komen voor het schatten van menselijke poses. Met aanvullende tools kunnen ontwikkelaars trainingsgegevens maken voor het modelleren van menselijke bewegingen en interactie, terwijl algoritmen voor het volgen van objecten en interpolatielabels gebruikmaken van de temporele functies in videogegevens. Een dashboard maakt labels voor objectdetectie en beeldsegmentatie en genereert unieke instantie-ID's in afzonderlijke frames. En met vectorlabeltools kunnen gebruikers relevante afbeeldings- en videogegevens annoteren.

Boven: de Cord-webapp

Afbeelding tegoed: snoer

Cord kan geneste classificaties toepassen, labelstructuren opzetten met hiërarchische relaties, aangepaste attributen toewijzen en voorwaardelijke relaties behouden op individueel objectniveau. Dit helpt om het aantal objecten en classificaties in trainingsgegevens bij te houden, naast de samenstelling van klassen en attributen, aldus Landau.

Cord bevindt zich in een categorie die grenst aan bedrijven als Scale AI, dat honderden miljoenen heeft opgehaald voor zijn reeks datalabelservices, en CloudFactory, wat zegt dat het labelers groeimogelijkheden en "metrisch gedreven" bonussen biedt. Dat is niet te vermelden Bijenkorf, Alegion, Appen, Superannoteren, Datalus, label doos, Fantastische AI, en Cognizant, die allemaal een wereldwijde markt voor gegevensannotatietools bezetten met een waarde van meer dan $ 494 miljoen in 2020, volgens naar Grand View-onderzoek.

Maar Cord is erin geslaagd om ongeveer een dozijn klanten binnen te halen, waaronder King's College London, een 'leidende' leverancier van restaurantautomatisering en een AI-bedrijf voor menselijk gedrag.

Een van de klanten van Cord, de afdeling Nefrologie van Stanford University, beweert de duur van het experiment met 80% te hebben verkort terwijl hij 3 keer meer afbeeldingen verwerkte. Voorafgaand aan de implementatie van Cord gebruikte Stanford drie verschillende stukjes software voor het identificeren, annoteren en tellen van podocyten (niercellen) en glomeruli (clusters van zenuwuiteinden) in microscopiebeelden. Nadat de nefrologiegroep het trainingsgegevensplatform en de SDK van Cord begon te gebruiken voor het automatiseren van segmentaties, het tellen en het berekenen van de grootte van segmenten, slaagde het erin de duur van het experiment terug te brengen van gemiddeld 21 naar 4 dagen.

“Elk bedrijf dat een AI-model probeert te bouwen, heeft daarvoor veel gelabelde trainingsgegevens nodig. Dit proces is vaak tijdrovend en duur omdat het zeer handmatig is met bestaande tools. Met behulp van ons [platform] kunnen bedrijven veel sneller en goedkoper trainingsgegevens genereren, terwijl ze de gegevens ook niet ergens anders hoeven te verzenden, "zei Landau.

Cord, dat is gevestigd in Londen, heeft voorafgaand aan deze laatste financieringsronde $ 125,000 opgehaald in een pre-seed raise. Y Combinator, Crane Venture Partners en de Harvard Management Company namen deel aan deze laatste ronde.