VisionLabs trouve comment entraîner des modèles de vision par ordinateur avec 50 images, sans coder

VisionLabs (filiale de MWS AI) a publié la première partie d'une série technique consacrée au développement de Luna Line. Anastasia Belozerova, responsable de l'équipe de recherche, raconte en détail comment les ingénieurs ont cherché une « recette universelle » pour entraîner des modèles de classification, et ce qu'il en est sorti.

Une plateforme pour les non-spécialistes

Luna Line est une plateforme no-code de vision par ordinateur conçue par VisionLabs pour des utilisateurs sans compétences en programmation. Un agronome, un technologue en production, un contrôleur qualité ou un logisticien peut annoter un jeu d'images, cliquer sur un bouton et obtenir un modèle de vision par ordinateur déjà entraîné pour sa tâche précise.

L'exigence essentielle du produit : il doit fonctionner avec de très petits jeux de données. L'équipe vise un scénario à partir de 50 images, une contrainte bien réelle pour la plupart des entreprises industrielles, qui n'ont ni le temps ni les spécialistes pour annoter des milliers d'exemples. Cette contrainte fait toute la difficulté du problème d'ingénierie : les recettes standard issues des jeux de données académiques ne fonctionnent pas ici.

À la recherche de la recette universelle

L'objectif de l'équipe est ambitieux : trouver une configuration d'entraînement unique qui donne de façon stable une bonne qualité sur n'importe quel jeu de données de classification. Si une telle recette existe, la plateforme peut fonctionner comme une « boîte noire » : l'utilisateur apporte ses données, et le système règle tout le reste.

Pour tester les hypothèses, l'équipe a mis en place une méthodologie expérimentale stricte :

• Hypothèse : on formule une configuration concrète : architecture backbone, augmentations, learning rate schedule, optimiseur
• Test : la configuration est lancée sur plusieurs jeux de données de nature, de taille et de domaine différents
• Comparaison : les résultats sont confrontés aux baselines et aux hypothèses précédentes
• Décision : la configuration est retenue comme « universelle » ou rejetée à l'issue de l'analyse

Ce schéma permet d'avancer de façon systématique plutôt que par essais aléatoires, et de réduire peu à peu l'espace de recherche aux solutions qui fonctionnent vraiment.

Pourquoi la méthodologie a changé

L'une des conclusions clés de la série était inattendue : les configurations qui se sont montrées les meilleures pour la classification ne se transféraient pas automatiquement à la segmentation. En changeant de type de tâche, l'équipe a constaté qu'une partie des décisions précédemment retenues devait être revue de zéro.

«

Je vais raconter quelles hypothèses nous avons avancées, comment nous les avons testées et pourquoi nous avons révisé la méthodologie des expériences en passant d'une tâche à l'autre », annonce Belozerova.

Cela a conduit à la conclusion qu'une recette universelle n'existe qu'au sein d'une même classe de tâches. Il n'y a pas de transfert direct entre les tâches, mais il y a un acquis précieux : la méthodologie de recherche elle-même s'est révélée transférable. On peut l'appliquer à la segmentation et à la détection, en repartant chaque fois d'une « branche » expérimentale vierge, mais avec un processus de vérification des hypothèses correctement construit.

La deuxième partie de la série, consacrée à la segmentation, paraîtra plus tard.

Ce que cela signifie

VisionLabs fait preuve d'une ouverture d'ingénierie rare sur le marché russe du ML : l'entreprise publie non pas des éléments de langage marketing, mais des chroniques honnêtes d'expériences, avec des résultats négatifs et des hypothèses révisées. Pour les spécialistes qui construisent leurs propres pipelines MLOps ou outils no-code, c'est un repère pratique précieux, en particulier pour le travail sur de petits jeux de données, où les benchmarks académiques sont presque inutiles.