对我们来说，制造机器学习实用的挑战的一大部分已经缩小了想法和生产之间的周期时间。我们知道我们在迅速重新平衡我们的培训数据并将来自我们的ML团队的反馈纳入过程中的进程时，我们正在进行进步。迭代循环大幅度加速，我们可以在记录时间内从想法移动我们的模型。
- Mark Lemmons，Shotzr的联合创始人
公司
在一个有近100亿屏幕的世界，客户体验和关注通过图像驱动。Shotzr帮助您识别客户，然后通过与您的观众定位相匹配的上下文图像来确定它们。
无论您是如何在Facebook和Instagram活动，社交媒体营销，SEM登陆页面，或真正动态的创意，Shotzr为您提供了数字营销所需的所有图像。
挑战
Shotzr的策码集合，高品质图像正在以Abstneck速度增长，可以访问近100米的图像。为了提供确切的图像营销人员需要每个营销时刻，射击的形象需要正确准确地注释。
由于Shotzr的贡献者上传更多图像，而Shotzr与其他图像提供商的合作伙伴关系继续增长，但内部团队无法跟上标签和元数据需求，使得难以扩大。Shotzr超过90天注释约20,000张图像，但这不会扩展到平台上的大量图像。
为了确保Shotzr的平台为营销人员寻找的正确图像，拍摄者需要创建一个特定标签所需的图像。这些标签只显示客户的完美选项的候选名单，而不是滚动到符合搜索查询的数百个图像。例如，一些图像清楚地来自特定位置 - 像亚斯本，科罗拉多州。标签这个位置可以帮助人们寻找阿斯彭，而不是树木，而是镇上的特定照片。但有些图像没有区别的位置 - 就像一堆手或典型的股票照片的照片。
解决方案
通过转向机器学习，Shotzr希望加速和自动化识别具有特定位置元数据所需的图像的过程。在早期的情况下，在射击赛的成功开始，据此证明价值是至关重要的，因为他们的初始资源来制作模型工作，这是对射击的成功。为了证明这一价值，Shotzr依靠获得高质量数据以正确准确地训练其模型。
为了提供那种粒度标签，Shotzr想要一个数据伙伴，这是由工作量的挑战，为他们的规模和合理的定价。这就是为什么他们转向我们的帮助，以帮助馈送进入他们搜索相关模型的数据。
结果
时间快进到仅仅几周之后，Shotzr准备训练尽可能多的分类器。
在他们在Appen平台中的第一份工作之后，Shotzr确定了超过17,000张没有需要额外标签的图像。他们预计超过6100万资产，他们可以从考虑到位置数据，避开他们的时间专注于可以从地点数据中受益的图像，以及创造新的模型来自动化位置标签过程。
