Begin waar
je bent.
Misschien verken je je eerste model of werk je aan een professionele dataset. Duidelijke stappen en zichtbare resultaten helpen je het werk te begrijpen, in plaats van het alleen maar te doorlopen.
Over / Een werkbank met een verhaal
Betere modellen beginnen met beter begrip. BadBob brengt het werk rond computer vision samen op één plek, zodat je ziet wat je kunt verbeteren en de volgende stap kunt zetten.
Volg het verhaal
BadBob groeide door gereedschap te gebruiken, de hiaten te zien en er een duidelijkere weg doorheen te bouwen.
Een begin in de echte wereld
Het begon met DiceScore: een dobbelspel, een camera en een model dat leerde herkennen wat ervoor stond. Het trainen van een model riep een nieuwe vraag op: hoe begrijp je waar het slaagt, waar het moeite mee heeft en wat je daarna moet verbeteren?
Leren van de resultaten
Het eerste antwoord was een Python-app genaamd Failure Bank, gebouwd om de resultaten van Create ML-training te inspecteren. Die maakte fouten het bekijken waard, zodat ze richting konden geven aan de volgende ronde werk.
Van begrijpen naar corrigeren
Het beoordelen van resultaten leidde vanzelf tot werken aan de data zelf. Annotator bracht beeldannotatie in de workflow: een plek om de voorbeelden waaruit een model zou leren te tekenen, corrigeren en verfijnen.
De workflow samenbrengen
Die samenhangende behoeften groeiden uit tot BadBob, een native macOS-werkbank voor vastleggen, annoteren, datasetvoorbereiding, training en evaluatie. Dobbelstenen waren het begin; de werkbank is gebouwd rond de objecten en projecten die je kiest.
De ambitie is eenvoudig: complex werk toegankelijk maken, met behoud van de details en controle die ervaren gebruikers nodig hebben.
Misschien verken je je eerste model of werk je aan een professionele dataset. Duidelijke stappen en zichtbare resultaten helpen je het werk te begrijpen, in plaats van het alleen maar te doorlopen.
Een voorspelling is een suggestie. Door mensen beoordeelde annotaties vormen de basis. BadBob biedt ruimte om te inspecteren, corrigeren en vergelijken voordat je bepaalt wat volgt.
Vastleggen, annoteren, cureren, trainen en evalueren. Het doel is een bruikbare cyclus: elk resultaat helpt betere data en een beter onderbouwde volgende modelversie vorm te geven.
De richting vanaf hier
BadBob is een product in ontwikkeling. Verdere ontwikkeling richt zich op duidelijkere workflows, betrouwbaar gereedschap en praktische behoeften uit echte projecten. Feedback en doordachte samenwerking maken deel uit van die richting.
Bekijk de werkbank in actieJohan Silvergrund
BadBob is gemaakt door Johan Silvergrund, software-engineer en UX/UI-designengineer met meer dan 25 jaar professionele ervaring.
Zijn werk omvat frontend, backend, API's, databases en cloudinfrastructuur, waaronder een decennium aan bedrijfskritische bedrijfssoftware. Architectuur, modernisering van bestaande systemen en herbruikbare platformen gaan samen met een langdurige aandacht voor de mensen die ze gebruiken.
BadBob brengt die interesses samen: doordacht productontwerp, native ontwikkeling en praktische nieuwsgierigheid naar machine learning.
PDF / Engels / 2 pagina's
04 / Open voor wat komt
Heb je een project, een productuitdaging of een idee voor BadBob? Johan staat open voor nieuwe projecten en teams om mee samen te werken, en voor gesprekken over partnerschappen en investeringen in de toekomst van BadBob.
Vertel ons iets over wat je in gedachten hebt.