VisionLabs encontra jeito de treinar modelos de visão computacional com 50 imagens, sem programar

A VisionLabs (parte da MWS AI) publicou a primeira parte de uma série técnica sobre o desenvolvimento do Luna Line. Anastasia Belozerova, líder da equipe de pesquisa, conta em detalhes como os engenheiros buscaram uma "receita universal" para treinar modelos de classificação e o que resultou disso.

Uma plataforma para não especialistas

O Luna Line é uma plataforma no-code de visão computacional criada pela VisionLabs para usuários sem habilidade de programação. Um agrônomo, um técnico de produção, um controlador de qualidade ou um profissional de logística pode rotular um conjunto de imagens, clicar em um botão e obter um modelo de visão computacional pronto e treinado para a sua tarefa específica.

O requisito essencial do produto é funcionar com conjuntos de dados muito pequenos. A equipe trabalha com um cenário a partir de 50 imagens, uma restrição real da maioria das indústrias, que não têm tempo nem especialistas para rotular milhares de exemplos. Essa restrição define toda a dificuldade do problema de engenharia: as receitas padrão de datasets acadêmicos não funcionam aqui.

A busca por uma receita universal

O objetivo da equipe é ambicioso: encontrar uma única configuração de treino que entregue boa qualidade de forma estável em qualquer dataset de classificação. Se essa receita existir, a plataforma pode funcionar como uma "caixa-preta": o usuário traz os dados e o sistema ajusta todo o resto.

Para testar hipóteses, foi montada uma metodologia experimental rigorosa:

• Hipótese: formula-se uma configuração concreta: arquitetura backbone, aumentos de dados, learning rate schedule, otimizador
• Teste: a configuração é executada em vários datasets de natureza, tamanho e área diferentes
• Comparação: os resultados são comparados com baselines e com hipóteses anteriores
• Decisão: a configuração é aceita como "universal" ou rejeitada com base na análise

Esse esquema permite avançar de forma sistemática, e não por tentativa e erro aleatória, e ir estreitando o espaço de busca até soluções que realmente funcionam.

Por que a metodologia mudou

Uma das principais conclusões da série foi inesperada: as configurações que se mostraram melhores para classificação não se transferiam automaticamente para a segmentação. Ao mudar o tipo de tarefa, a equipe percebeu que parte das decisões aceitas antes precisava ser revista do zero.

"Vou contar quais hipóteses levantamos, como as testamos e por que revisamos a metodologia dos experimentos ao passar de uma tarefa para outra", anuncia

Belozerova.

Isso levou à conclusão de que a receita universal só existe dentro de uma mesma classe de tarefas. Não há transferência direta entre tarefas, mas há algo valioso: a própria metodologia de busca se mostrou transferível. Ela pode ser aplicada à segmentação e à detecção, recomeçando a "ramificação" experimental a cada vez, mas com um processo de verificação de hipóteses bem estruturado.

A segunda parte da série, sobre segmentação, sairá mais tarde.

O que isso significa

A VisionLabs mostra uma abertura de engenharia rara no mercado russo de ML: a empresa publica não teses de marketing, mas crônicas honestas de experimentos, com resultados negativos e hipóteses revisadas. Para quem constrói seus próprios pipelines de MLOps ou ferramentas no-code, é uma referência prática valiosa, principalmente no trabalho com conjuntos de dados pequenos, em que os benchmarks acadêmicos são quase inúteis.