实例探究.
添加案例
我们的案例数据库覆盖了全球物联网生态系统中的 18,927 家解决方案供应商。
您可以通过筛选条件进行快速浏览。
Download Excel
筛选条件
-
(3)
- (3)
- (1)
-
(2)
- (2)
- (1)
-
(1)
- (1)
- (4)
- (1)
- (1)
- (1)
- (1)
- 查看全部 5 行业
- (2)
- (2)
- (3)
- (1)
- (1)
- (1)
- (1)
- 查看全部 6 用例
- (4)
- (2)
- (1)
- (1)
- (4)
Selected Filters
|
NASA 喷气推进实验室利用机器学习进行外星生命搜索
美国宇航局喷气推进实验室 (JPL) 的使命是在太阳系中寻找生命迹象，重点关注水的存在，水是生命的重要元素。喷气推进实验室的海洋世界生命勘测者 (OWLS) 项目正准备向木卫二（木星的卫星）或土星的卫星土卫二（土星的卫星）发射一艘航天器，在那里发现了冰和水蒸气。该航天器将配备显微镜来收集水样的视频数据，寻找微生物的证据。然而，由于距离遥远，将这些显微镜数据发送回地球是一项复杂且成本高昂的任务。传统的压缩方法是不够的，并且下行数据的能源成本极高。喷气推进实验室的机器学习仪器自主 (MLIA) 小组面临着构建机器学习 (ML) 模型的挑战，该模型可以识别最有可能包含生命迹象的视频、捕获短片并优先考虑将其下行传回地球。
|
|
|
|
非专家标签团队可以为医疗用例创建高质量的培训数据
为机器学习 (ML) 用例创建高质量的训练数据可能既昂贵又耗时，特别是对于需要领域专家审查和标记数据的专业领域。在医疗领域尤其如此，医生经常需要仔细标记或审查训练数据。这个过程可能非常艰巨且成本高昂，从而减慢了可能挽救生命的算法的开发速度。我们面临的挑战是找到一种方法来创建高质量的培训数据，同时减少医生的参与，从而降低成本并加快开发过程。
|
|
|
|
使用 Move.ai 彻底改变视频内容创建
制作高质量的视频内容（例如电影、视频游戏或直播）通常成本高昂，并且需要一流的设备和动画人才。传统的动作捕捉数据收集技术需要标记，这些标记可能体积庞大、成本高昂，并且难以捕捉详细数据。 Move.ai 是一家新兴的人工智能公司，旨在为个人和工作室提供更轻松、更快速、更便宜的动作捕捉和关键点识别等流程。然而，他们的无标记动作捕捉解决方案和 AI 深度抠像工具在训练 AI 模型时提出了独特的挑战。他们需要训练算法来跨关键帧跟踪目标、识别该人或物体、识别与该目标接触的人和物体，并提取帧内捕获区域的空间数据。
|
|
|
|
Sharper Shape 使用 Labelbox 和 Valohai 的高效 ML 管道
Sharper Shape 是一家为公用事业公司提供安全、高效输电和配电解决方案技术的公司，该公司在开发机器学习 (ML) 模型时面临着挑战。该公司在先进的航空传感器系统中使用计算机视觉模型来支持无人机检查数据的自动收集和分析。他们的技术的一个常见用例是识别危险的电线设置，例如植被生长得太近、绝缘体破损等。然而，训练多个计算机视觉模型需要大量精确标记的图像。在使用 Labelbox 之前，Sharper Shape 团队严重依赖手动工作流程，并尝试使用开源标签工具，但这些工具无法提供满足其需求所需的配置量。此外，每位数据科学家花费了多达三分之一的时间在基础设施和实验管理上。
|
|
