适用于 macOS 的视觉工作台

BadBob

教会机器看见。

你的图像。你的模型。你的想象力。
一个用心打造的空间,将它们连接起来。

Mac 原生应用 · 本地训练 · 为好奇的头脑而造

好模型,始于好图像。向下滚动,发现更多
采集标注整理训练比较改进
01 / 完整全貌从首次采集,到下一个模型

完整的循环。
由你掌握。

出色的计算机视觉,不只是按下训练按钮。BadBob 将训练前、中、后需要认真完成的工作连接起来。

BadBob 为客厅地毯上的巴哥犬拍照,一名男子坐在格纹扶手椅上看报
Capture Lab工作流程插图 / 01

01 / Capture Lab

从真实世界出发。

收集模型真正需要的图像。使用相机采集,探索棘手的场景,或逐步覆盖项目中的各个类别。

  • 实时相机采集
  • 类别覆盖与专项采集会话
  • 将图像直接发送到 Annotator
继续探索
一位插画师在亮着灯的绘图桌上绘制物体轮廓与掩码
Annotator工作流程插图 / 02

02 / Annotator

赋予每张图像意义。

绘制边界框和轮廓,审核 AI 建议,并使用具名标注列表让工作井然有序。有用的数据集,始于这些细节。

  • 边界框与可编辑轮廓
  • 模型辅助建议
  • 已保存的修订与具名列表
继续探索
BadBob 按视觉类别整理飞机、汽车和花瓶的照片
Data Studio工作流程插图 / 03

03 / Data Studio

构建值得信赖的数据集。

将审核过的图像整理成带版本的数据集。将训练、验证和测试图像分开,让下一次结果有可靠的衡量依据。

  • 带版本的数据集清单
  • 独立的训练、验证和测试划分
  • 可追溯的图像与标注引用
继续探索
两位研究人员在插画工坊中比较花瓶、飞机和汽车周围的边界框
Training工作流程插图 / 04

04 / Training

让图像发挥作用。

使用 Create ML 训练目标检测模型,或选择分割路线。运行前预览可选的数据增强,并在模型学习时随时关注进度。

  • Create ML 目标检测
  • 分割训练
  • 自主启用训练图像增强
继续探索
两位研究人员在两张相同的红色模型飞机照片上比较分割轮廓
比较与改进工作流程插图 / 05

05 / 比较与改进

从错误中学习。

在同一个数据集上比较候选模型。在 Failure Bank 中检查难以处理的预测,再将所得经验用于下一轮图像工作。

  • 基准模型与候选模型比较
  • 审核困难预测
  • 持续的采集到模型循环
继续探索

入门 / 观看工作流程

一点指引。
探索的空间。

通过实用视频演示,认识 Capture Lab、Annotator、Data Studio 和 Training。选择下一步,跟着操作。

探索教程
02 / 一点机器学习两条路线。诸多可能。

同样的好奇心。不同的问题。

找到物体。
沿着形状。

有时,你需要知道物体在哪里。
有时,每一道边缘都很重要。选择适合你的路线。

两位研究人员在插画工坊中比较花瓶、飞机和汽车周围的边界框01 / 目标检测

由 Create ML 驱动

这是什么,
它在哪里?

教模型识别项目中的类别,并用边界框定位它们。直接在 Mac 上使用 Apple 的 Create ML 训练工具。

类别 边界框 检测结果
机器人插画工坊探索分割与物体轮廓02 / 分割

再看仔细一点

物体的边界
在哪里?

超越矩形。当项目需要物体的形状时,标注轮廓,选择分割训练路线。

轮廓 掩码 形状

首发特惠 即将推出

别错过
首发优惠。

完整的 BadBob 工作台。永久许可、12 个月更新,为你的下一个想法抢先起步。

了解首发优惠

首发立省 €50

€99常规价格 €149

一次性购买 · 含增值税

计划中的首发价格。
公开下载与购买即将开放。

03 / 我们在意的几件事用心的工具。思考的空间。

你的工作。
你的世界。
你的方式。

为想要理解数据、打造工具并持续创作的人而造。

原生 Mac 应用。
以人为本的方法。
A

让工作留在身边。

在 Mac 上采集、标注和训练。使用本地项目和图像库,并为所选路线准备相应的训练环境。

B

清楚数据从何而来。

具名列表、已保存的标注修订和数据集版本,让整个过程可追溯。了解结果从何而来,结果才更有意义。

C

一点帮助,就在身旁。

上下文手册会随你所在的版块提供帮助。当工作流程逐渐深入时,快速入门、搜索和书签能帮你找到下一步。

BadBob 开朗的机器人在阳光明媚的图书馆里,被书籍围绕小小机器人。满满好奇心。

04 / BadBob 背后的故事

一个真实问题。
一个更大的想法。

BadBob 源于 DiceScore 和一个问题:如何把训练结果变成更好的模型?一款名为 Failure Bank 的小型 Python 工具,是第一步。

如今,这个想法已将采集、标注、数据集和本地训练汇集于一个 macOS 工作台。实用的工具,也留有持续成长的空间。

关于 BadBob
产品设计SwiftUI计算机视觉
05 / 几个好问题欢迎保持好奇。

好
问题。

01使用 BadBob 能做什么?

开展自定义目标检测和分割项目:从日常物品和兴趣实验,到下一个产品所需的数据集。由你定义项目类别,收集对实际用途有价值的图像。

02我的 Mac 能运行吗?

BadBob 是原生 macOS 应用。Create ML 支持目标检测训练路线;受支持的实验性分割训练环境需要 Apple Silicon 和独立的本地设置。硬件与可用内存会影响能训练什么以及需要多久。

03需要上传训练图像吗?

核心采集、标注、数据集和本地训练流程,均使用 Mac 上的项目和图像库运行。也可以使用共享存储。准备环境时,可能需要下载训练工具和模型。

04验证和测试图像会怎样处理?

它们拥有独立的数据集划分。训练增强为可选项,仅作用于训练图像;原图以及保留的验证和测试图像保持不变。

05在哪里下载,价格是多少?

公开下载与购买正在筹备中。计划中的首发优惠为 €99(含增值税),常规价格为 €149。永久许可包含 12 个月更新。完整说明请见“价格与功能”。

公开下载 / 即将开放

你会
教它什么?

一台相机,一点好奇心,一个值得实现的项目。
下一个模型,从你开始。