绳一家自动化计算机视觉注释流程的初创公司今天宣布，在 CRV 领投的种子轮融资中筹集了 4.5 万美元。首席执行官埃里克·兰道 (Eric Landau) 表示，随着公司寻求雇用更多员工，这笔资金将用于扩大 Cord 的客户群和平台。

训练人工智能和机器学习算法需要大量带注释的数据。但数据很少带有注释。大部分工作通常由人工贴标人员承担，他们的工作往往成本高昂、不完美且缓慢。据估计，大多数采用机器学习的企业将超过 80% 的时间花费在数据标记和管理上。事实上，在初创公司最近进行的一项调查中 云花数据科学家表示，他们花费 60% 的时间来组织和清理数据，而只有 4% 的时间花在改进算法上。

“当我的联合创始人乌尔里克·斯蒂格·汉森 (Ulrik Stig Hansen) 辞去摩根大通的工作前往伦敦帝国理工学院攻读计算机科学学位时，公司就成立了，”兰道通过电子邮件告诉 VentureBeat。 “我的背景是物理学博士。我从哈佛退学，但一直从事量化交易工作，将数千个模型投入生产。我在伦敦的一个创业网络遇到了汉森，在酒吧喝了几品脱之后，我们意识到我们的金融视角可以应用于标记数据的过程。”

Cord 提供了一个计算机视觉注释平台，可以自动执行许多手动标记任务。其工具套件专为跨角色和团队协作而设计，从领域专家注释者到项目经理和机器学习工程师。

Cord 由前哈佛物理系退学者 Landau 于 2020 年与 Leeho Lim 和 Ulrik Stig Hansen 共同创立。兰道辞去了金融科技行业的工作，创办了这家公司，目标是将定量金融原理应用于数据标记过程。

特征

借助 Cord 的网络应用程序，用户可以对图像和视频进行注释、分类和分段，以及执行质量保证审查和训练“最先进”的模型。该平台的自动化 API 允许开发人员使用自定义训练数据算法自动执行数据采样、增强、转换、标记和评估，而 Python SDK 则训练模型、编写数据程序、整理训练数据算法以及摄取和处理数据。

Cord 提供关键点跟踪功能，有助于加快注释过程，以实现用于人体姿势估计的生产人工智能。补充工具使开发人员可以创建用于建模人类运动和交互的训练数据，而对象跟踪和插值标记算法则利用视频数据中的时间特征。仪表板创建用于对象检测和图像分割的标签，在各个帧中生成唯一的实例 ID。矢量标记工具允许用户注释相关的图像和视频数据。

Cord 可以应用嵌套分类、设置具有层次关系的标签结构、分配自定义属性以及在单个对象级别保留条件关系。 Landau 表示，除了类和属性组成之外，这还有助于跟踪训练数据中的对象和分类计数。

事业发展

Cord 与 Scale AI 等公司属于同一类别，后者已为其数据标签服务套件筹集了数亿美元，并且 云工厂，它说它为贴标商提供了增长机会和“指标驱动”的奖金。 更何况 蜂房, 阿莱格里昂，Appen， 超级注释, 数据循环, 标签盒, 精湛的AI、Cognizant，所有这些公司都占据了 494 年价值超过 2020 亿美元的全球数据注释工具市场， 根据 大观研究。

但 Cord 已经成功吸引了大约十几家客户，其中包括伦敦国王学院、一家“领先”的餐厅自动化提供商和一家人类行为人工智能公司。

Cord 的客户之一，斯坦福大学肾脏病学部，声称实验时间缩短了 80%，同时处理的图像数量增加了 3 倍。在部署 Cord 之前，斯坦福大学使用三种不同的软件来识别、注释和计数显微图像中的足细胞（肾细胞）和肾小球（神经末梢簇）。肾脏病学小组开始使用 Cord 的训练数据平台和 SDK 来自动进行分段、计数和计算分段大小后，成功地将实验持续时间从平均 21 天减少到 4 天。

“任何试图构建人工智能模型的公司都需要大量标记的训练数据来实现这一目标。由于使用现有工具需要高度手动，因此此过程通常既耗时又昂贵。使用我们的[平台]，公司能够更快、更便宜地生成训练数据，同时也不必将数据发送到其他地方，”Landau 说。

Cord 总部位于伦敦，在最新一轮融资之前通过种子前融资筹集了 125,000 美元。 Y Combinator、Crane Venture Partners 和哈佛管理公司参与了最新一轮融资。