Trinity：面向复杂空间数据集的无代码AI平台
软件工程
2021-07-02 v5 人工智能
计算机视觉与模式识别
摘要
我们提出一个名为Trinity的无代码人工智能（AI）平台，其主要设计目标是使机器学习研究人员与非技术的地理空间领域专家均能自行试验领域特定信号与数据集，以解决各类复杂问题。这种解决多样化问题的通用性通过将复杂的时空数据集转化以使其可被标准深度学习模型（此处为卷积神经网络，CNNs）消费，并赋予以标准方式表述不同问题的能力（例如语义分割）来实现。凭借直观的用户界面、承载复杂特征工程衍生量的特征库、深度学习内核以及可扩展的数据处理机制，Trinity为领域专家提供了一个与科学家和工程师共同解决业务关键问题的有力平台。它支持快速原型开发、迅速实验，并通过标准化模型构建与部署缩短投产时间。本文中，我们阐述Trinity背后的动机及其设计，并展示示例应用以论证降低AI使用门槛的理念。
引用
@article{arxiv.2106.11756,
title = {Trinity: A No-Code AI platform for complex spatial datasets},
author = {C. V. Krishnakumar Iyer and Feili Hou and Henry Wang and Yonghong Wang and Kay Oh and Swetava Ganguli and Vipul Pandey},
journal= {arXiv preprint arXiv:2106.11756},
year = {2021}
}
备注
12 pages