クラウドコンピューティングを利用したロバストな画像分類システム、整合されたマルチモーダル埋め込み、セントロイドと隣接点

データの機密性を維持し、不正確なトレーニングラベルに対してもロバストな、高度にアクセス可能な画像分類システムのクラウドベースアプリケーションのフレームワークを提案します。エンドツーエンドシステムは、Amazon Web Services (AWS) を使用して実装され、再現のための詳細なガイドが提供されており、研究者がユーザーコミュニティと相互利益のために協力できる方法を強化します。フロントエンドのWebアプリケーションにより、世界中のユーザーが安全にログインし、ドラッグアンドドロップ方式で便利にラベル付きトレーニング画像を提供し、同じアプリケーションを使用してユーザーコミュニティからの画像に関する最新のモデルを照会することができます。この結果得られたシステムは、理論が実践と効果的に絡み合うことができることを示しており、様々な考慮事項が私たちのアーキテクチャによって扱われています。ユーザーは、数分以内に更新され、自動的に展開される画像分類モデルにアクセスでき、コミュニティのユーザーから利益を得ると同時に、ユーザーコミュニティにも利益を提供します。また、管理者として機能する研究者は、それぞれの機械学習モデルを使用して、多数のユーザーと便利かつ安全に関与し、時間をかけてラベル付きデータベースを構築することができ、利用に比例した可変コストのみを支払います。