使用UMAP和Prodigy检测不良图像数据
Prodigy是由spaCy开发团队打造的现代化标注工具，专门用于为机器学习模型收集训练数据。本视频将展示如何使用Prodigy在Google QuickDraw数据集中寻找不良样本，通过结合UMAP技术实现半自动化的异常图像检测。
内容章节
- 0:00 简介
- 4:04 使用Quick!Draw!数据集
- 7:27 在Jupyter中进行数据探索
- 11:05 UMAP聚类分析
- 14:48 在Jupyter中使用UMAP
- 18:27 Prodigy工具介绍
- 19:10 项目设置
- 23:30 使用Prodigy进行标注
- 27:25 Prodigy输出结果
- 30:54 在Prodigy中手动哈希处理
- 33:13 进一步标注工作
- 35:18 经验总结
技术要点
该方法利用UMAP降维算法对图像数据进行可视化分析，通过聚类结果识别异常样本，再结合Prodigy的交互式标注界面，实现了高效的数据质量检测流程。整个过程涵盖了从数据加载、特征提取到半自动化标注的完整技术栈。
资源链接
- Prodigy官方网站和文档
- 本教程代码和数据仓库
- UMAP官方文档
- Google QuickDraw数据集
- 自定义Prodigy配方文档
该技术方案为机器学习项目中的数据清洗和质量控制提供了实用参考，特别适用于大规模图像数据集中的异常样本检测任务。
