Annotation de données alimentaires
Découvrez comment nous avons aidé à l’optimisation des modèles IA grâce à une annotation précise et de qualité.
Voici le cas d’usage et le témoignage d'une application mobile nutritionniste. Grâce à une seule photo de votre assiette, cette application reconnaît les aliments présents, leurs quantités, leurs apports nutritionnels et vous conseille sur votre alimentation.
Pour développer les premières versions de leur algorithme de reconnaissance d’aliments, notre client a utilisé l’annotation interne, puis une solution de crowdsourcing française. Pour autant, ces solutions avaient l’inconvénient d’être chères et non scalable (pour l’annotation interne) ou imprécises (pour le crowdsourcing).
Avec 10+ annotateurs expérimentés, un chef de projet offshore et un Expert Annotation en France, People For AI est aujourd’hui l’annotateur référence de Foodvisor. Pourtant la tâche n’était pas aisée : Chaque image est annotée deux fois (segmentation géométrique et classification des aliments) avant l’étape de SreviewS. En outre, il existe 6 catégories de segmentation géométrique en fonction des éléments présents dans l’assiette et 1500+ classes d’aliments des plus communs aux plus rares.
- Plus de 1500 classes d’aliments
- Un pipeline à trois phases : géométrie, classification alimentaire et review
- Créations de dashboards ad-hoc et de formations pour les annotateurs
Découvrez l'article complet ici