01 / قیمت اور خصوصیاتنیٹو Mac ایپ / مقامی تربیت

ایک ورک بینچ۔
ہمیشہ آپ کا۔

تصاویر۔ اینوٹیشن۔ ڈیٹا کی ترتیب۔ تربیت۔
اگلے قدم کی ہر ضرورت، ایک جگہ۔

تمام شامل خصوصیات دیکھیں
01 / مکمل ورک بینچابتدائی پیشکش

BadBob

پہلی تصویر سے اپنے ماڈل تک۔

€99معمول کی قیمت €149ایک بار خریداری

وی اے ٹی سمیت / اجرا پر €50 بچائیں

  • تصویر سے تربیت تک مکمل طریقۂ کار
  • اپنے لائسنس یافتہ ورژن کا مستقل لائسنس
  • 12 ماہ کی اپ ڈیٹس شامل
  • ایک صارف · 2 Mac ایکٹیویشن
  • مقامی منصوبے، تصاویر اور تربیت
جلد آ رہا ہے

عام ڈاؤن لوڈ اور خریداری کی تیاری جاری ہے۔

02 / موجودہ مالکان کے لیےاختیاری

آگے بڑھتے رہیں۔

جب چاہیں، ایک اور سال کی اپ ڈیٹس۔

€49مزید 12 ماہایک بار خریداری

وی اے ٹی سمیت / خودکار تجدید نہیں

  • ایپ کی اپ ڈیٹس کے مزید 12 ماہ
  • آپ کے موجودہ BadBob لائسنس کے لیے
  • صرف اپنی مرضی سے تجدید کریں
  • تجدید کے بغیر لائسنس یافتہ ورژن چلتا رہے گا
اپ ڈیٹس کیسے کام کرتی ہیں

اپ ڈیٹس کی توسیع؛ الگ ایپ لائسنس نہیں۔

ایک بار خریداریاپنے لائسنس یافتہ ورژن کے مالک بنیںآپ کا Mac۔ آپ کی تصاویر۔

ایک چھوٹی سی اطلاع۔ یہ ہماری مجوزہ ابتدائی قیمتیں ہیں۔ خریداری اور عام ڈاؤن لوڈ ابھی دستیاب نہیں۔ آزمائشی ورژن کی تفصیل تیار ہونے پر شائع کریں گے۔

02 / ورک بینچ کے اندرایک لائسنس۔ پورا طریقۂ کار۔

چھوٹی تفصیلات۔
مکمل تصویر۔

کیمرے کے پہلے فریم سے اگلے ماڈل موازنے تک۔ BadBob سے یہ کام کر سکتے ہیں۔

01

Capture Lab

زیادہ مقصد کے ساتھ جمع کریں۔

براہ راست کیمرے سے تصاویر
کیمرا چنیں، تصاویر لیں اور مکمل اسکرین کے پیش منظر میں کام کریں۔
تصاویر لینے کے تین طریقے
اقسام کی نمائندگی بڑھائیں، کسی صورت حال پر توجہ دیں یا ہدایت یافتہ ترتیب کے بغیر آزادانہ تصاویر لیں۔
ماڈل کی مدد سے تصاویر
براہ راست پیش گوئیوں کے لیے موافق ماڈل استعمال کریں۔ کیمرے سے الگ AI کو روکیں۔
سیشن اور جائزہ
محفوظ سیشن دوبارہ دیکھیں، تصاویر کا جائزہ لیں اور انتخاب Annotator کو بھیجیں۔
ہر تصویر کے لیے جگہ
جائزہ شدہ مواد تربیتی قطار، گارڈ سیٹ یا بعد میں استعمال کے لیے بھیجیں۔
02

Annotator

تصاویر کو مفید مستند حوالہ جاتی ڈیٹا بنائیں۔

تصاویر، فولڈر اور فہرستیں
تصاویر یا فولڈر درآمد کریں اور منتخب تصاویر نام والی فہرستوں میں ترتیب دیں۔
باکس اور حدود
باؤنڈنگ باکس اور قابل ترمیم حدود بنائیں، منصوبے کی اقسام مقرر کریں اور جیومیٹری بہتر کریں۔
AI کی تجاویز
منتخب تصاویر کا موافق ماڈل سے تجزیہ کریں، پھر اس کی تجاویز کا جائزہ لیں اور ترمیم کریں۔
آپ کا ساتھ دینے والا ایڈیٹر
کام کے دوران تصویر کو حرکت دیں، زوم کریں، منظر میں فٹ کریں اور ترامیم واپس لیں۔
محفوظ ترامیم
انسانی اینوٹیشن ترامیم کے طور پر محفوظ کریں اور تاریخ دیکھیں۔ طے کریں کہ ڈیٹاسیٹ میں کیا جائے گا۔
03

Data Studio

درست جانیں کہ ماڈل میں کیا استعمال ہوا۔

ورژن والے ڈیٹاسیٹ
مخصوص تصاویر اور محفوظ اینوٹیشن ترامیم کے حوالوں والے مینی فیسٹ شائع کریں۔
تربیت، توثیق اور جانچ
ہر حصے کی رکنیت واضح رکھیں، توثیق کی تصاویر مختص کریں اور اختیاری جانچ کی تصاویر رکھیں۔
درآمد اور برآمد
درآمد شدہ ڈیٹا اور اقسام کی میپنگ کا جائزہ لیں، پھر اگلے مرحلے کے لیے برآمدات تیار کریں۔
ثبوت جانچیں
تربیتی ورک اسپیس تیار کرنے سے پہلے تصاویر اور اینوٹیشن کے حوالے جانچیں۔
سیگمنٹیشن کی تیاری
محفوظ انسانی حدود سے ماسک بنائیں اور تصویر، اوورلے اور ماسک جانچیں۔
04

Training

اپنی تصاویر کو بھی کچھ سکھانے دیں۔

Create ML سے اشیا کی شناخت
Full Network (YOLOv2) یا Transfer Learning (Apple Object Print) سے مقامی تربیت دیں۔
رن کو قابو میں رکھیں
شائع شدہ ڈیٹاسیٹ، الگورتھم، تکرار کی حد اور آؤٹ پٹ مقام چنیں۔ پیش رفت دیکھیں یا رن روکیں۔
آگمینٹیشن اور پیش منظر
روشنی اور کنٹراسٹ کی تبدیلیاں دیکھیں۔ گھمانا اور عکس بنانا واضح طور پر فعال کرنا ہوتا ہے؛ آگمینٹیشن شروع میں بند ہوتی ہے۔
محفوظ اصل تصاویر اور ڈیٹا حصے
آگمینٹیشن تربیتی تصاویر پر لاگو ہوتی ہے۔ اصل، توثیق، جانچ اور گارڈ تصاویر تبدیل نہیں ہوتیں۔
رن کی تاریخ اور ماڈل کا نسب
محفوظ نتائج کے ساتھ کنفیگریشن اور ڈیٹاسیٹ حوالے رکھیں۔ بعد کے استعمال کے لیے Core ML امیدوار درج کریں۔

تجرباتیانسٹینس سیگمنٹیشن تجرباتی ہے۔ معاونت یافتہ تربیتی ماحول کو Apple Silicon، الگ مقامی سیٹ اپ اور حدود کے ماسک درکار ہیں۔ یہ چیک پوائنٹ بناتا ہے، Core ML شناختی ماڈل نہیں۔

05

جانچ اور موازنہ

جانیں کہ واقعی کیا بہتر ہوا۔

تصویر کی جانچ
الگ رکھے ڈیٹا پر موافق محفوظ ماڈل جانچیں اور ہر تصویر کا نتیجہ دیکھیں۔
حوالہ جاتی اور امیدوار ماڈل
ایک ہی ڈیٹاسیٹ حصے اور جانچ کے طریقے پر موافق ماڈلز کا موازنہ کریں۔
محفوظ موازنے
موازنے کے نتائج دوبارہ دیکھیں اور قسم کے لحاظ سے فرق جانچیں۔
گارڈ سیٹ
کارکردگی میں تنزلی کی جائزہ شدہ مثالیں الگ رکھیں اور غیر مطلوب تبدیلیاں جانچنے میں استعمال کریں۔
سیگمنٹیشن کی جانچ
تجرباتی سیگمنٹیشن راستے میں ماسک جانچیں اور موافق سیگمنٹیشن نتائج کا موازنہ کریں۔
06

Failure Bank

غلطیوں کو مفید بنائیں۔

پیش گوئیوں کا جائزہ
ماڈل کی پیش گوئیاں محفوظ انسانی اینوٹیشن کے ساتھ جانچیں۔
تربیت کے ثبوت
تربیتی رن سے ثبوت درآمد کریں یا منتخب موافق ماڈل سے پیش گوئیاں چلائیں۔
تلاش اور فلٹر
پورا ذخیرہ دیکھے بغیر متعلقہ تصاویر اور جائزے تلاش کریں۔
جائزہ اور آگے بھیجنا
جائزہ محفوظ کریں اور مفید مثالیں اینوٹیشن یا ڈیٹاسیٹ کے اگلے دور میں بھیجیں۔
بہتری کا واضح چکر
کیا تربیتی ڈیٹا بنے اور دوبارہ تربیت کب ہو، یہ آپ طے کرتے ہیں۔ جائزے خاموشی سے ماڈل کی دوبارہ تربیت نہیں کرتے۔
07

منصوبے اور روزمرہ ٹول

آپ کے کام کے لیے اپنی جگہ۔

آپ کی اپنی اقسام
جن اشیا کو پہچاننا ہے ان کے مطابق منصوبے بنائیں۔
مقامی یا مشترکہ اسٹوریج
مقامی ڈسک یا مشترکہ اسٹوریج پر منصوبوں کے پیکیج اور تصویری ذخیرے کے ساتھ کام کریں۔
ماڈل کیٹلاگ
ماڈل کے حوالوں کا حساب رکھیں اور اسٹوریج کا مقام بدلے تو فائلیں دوبارہ جوڑیں۔
Model Journal
ماڈلز کو ڈیٹاسیٹ ورژن سے جوڑیں اور تاریخ کے ساتھ ماخذ، نوٹس اور ٹیگ رکھیں۔
کیمرے اور ماحول کی ترتیبات
کیمرے اور انفرنس کی طے شدہ ترتیبات بنائیں، اسٹوریج کی بنیادی جگہ چنیں اور تربیتی انحصارات تیار کریں۔
جہاں ضرورت ہو، وہیں مدد
متعلقہ رہنما کھولیں، فوری آغاز کی ہدایات دیکھیں، موضوع تلاش کریں اور مفید صفحات بک مارک کریں۔
زبان کے انتخاب
انگریزی، سویڈش، جرمن، فرانسیسی، ہسپانوی اور مزید زبانیں۔ ایپ کی زبان چنیں؛ ترجمہ نہ ہو تو انگریزی دکھائی جاتی ہے۔
03 / شروع کرنے سے پہلےMac لائیں۔ اپنا تجسس بھی۔

Mac کے لیے بنا۔
آپ کے کام کو سامنے رکھ کر۔

macOS 13 یا بعد کا ورژن۔ تصاویر لینے کے لیے دستیاب کیمرا اور اس کی اجازت چاہیے۔ منصوبے، تصویری ذخیرے اور آؤٹ پٹ مقام پر لکھنے کے قابل کافی اسٹوریج چاہیے۔

تربیت آپ کے ہارڈویئر پر چلتی ہے۔ ڈیٹاسیٹ کا حجم، میموری اور منتخب تربیتی راستہ طے کرتے ہیں کہ کیا تربیت پا سکتا ہے اور کتنا وقت لگے گا۔ مشترکہ اسٹوریج کی سہولت موجود ہے؛ مقامی اسٹوریج فائل منتقلی کا اضافی بوجھ کم کر سکتا ہے۔

سیگمنٹیشن کے لیے Apple Silicon۔ اشیا کی شناخت Create ML سے چلتی ہے۔ معاونت یافتہ تجرباتی سیگمنٹیشن تربیتی ماحول کو Apple Silicon Mac، الگ مقامی سیٹ اپ اور تیار ماسک درکار ہیں۔ سیٹ اپ میں ٹول یا ماڈل ڈاؤن لوڈ ہو سکتے ہیں۔

کلاؤڈ کمپیوٹنگ اور تیسرے فریق کی سبسکرپشن شامل نہیں۔

04 / چند اچھے سوالتجسس کی حوصلہ افزائی کی جاتی ہے۔

اچھا
سوال۔

01کیا یہ سبسکرپشن ہے؟

نہیں۔ BadBob ایک بار کی خریداری ہے۔ خریدا ہوا ورژن اور آپ کی اپ ڈیٹ مدت میں شامل اپ ڈیٹس مستقل لائسنس کے تحت ہیں۔ خودکار تجدید نہیں ہوتی۔

02پہلے 12 ماہ کے بعد کیا ہوگا؟

آپ کا لائسنس یافتہ ورژن چلتا رہے گا۔ اگر مزید 12 ماہ کی اپ ڈیٹس چاہیں تو اختیاری اپ ڈیٹ خریداری وی اے ٹی سمیت €49 ہے۔ موجودہ ورژن استعمال کرتے رہنے کے لیے اسے خریدنا ضروری نہیں۔

03کتنے Mac پر استعمال کر سکتا ہوں؟

مجوزہ ایک صارف کے لائسنس میں 2 Mac ایکٹیویشن شامل ہیں۔ اپ ڈیٹ خریداری موجودہ BadBob لائسنس کی اپ ڈیٹس بڑھاتی ہے؛ یہ دوسرا الگ لائسنس نہیں۔

04کیا آج BadBob خرید یا ڈاؤن لوڈ کر سکتا ہوں؟

ابھی نہیں۔ عام ڈاؤن لوڈ اور خریداری کی تیاری جاری ہے۔ یہاں کی قیمتیں مجوزہ ابتدائی پیشکش کی ہیں۔ آزمائشی ورژن تیار ہونے پر تفصیل شائع ہوگی۔

05کیا قیمت میں کلاؤڈ تربیت یا AI کریڈٹ شامل ہیں؟

تربیت آپ کے اپنے Mac اور اسٹوریج پر ہوتی ہے۔ کلاؤڈ کمپیوٹنگ اور دوسری خدمات کی سبسکرپشن شامل نہیں۔ تربیتی ماحول تیار کرنے میں ٹول یا ماڈل ڈاؤن لوڈ کرنے پڑ سکتے ہیں۔

06کیا سیگمنٹیشن شامل ہے؟

ہاں، تجرباتی طریقۂ کار کے طور پر حدود کی اینوٹیشن، ماسک کی تیاری، تربیت، جانچ اور موافق ماڈل سے انفرنس شامل ہیں۔ معاونت یافتہ سیگمنٹیشن تربیتی ماحول کے لیے Apple Silicon Mac اور الگ مقامی سیٹ اپ ضروری ہے۔ اس کے چیک پوائنٹس Create ML کے اشیا شناخت کرنے والے ماڈلز سے بدلے نہیں جا سکتے۔

ورک بینچ کو کام کرتے دیکھیں

آغاز کریں
تھوڑے سے تجسس کے ساتھ۔

طریقۂ کار دیکھیں