
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
适用于 macOS 的视觉工作台
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
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。

01 / Capture Lab
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。

02 / Annotator
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。

03 / Data Studio
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。

04 / Training
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。

05 / 比较与改进
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。
入门 / 观看工作流程
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。
探索教程同样的好奇心。不同的问题。
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。
01 / 目标检测由 Create ML 驱动
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。
02 / 分割再看仔细一点
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。
为想要理解数据、打造工具并持续创作的人而造。
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。
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。
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。
小小机器人。满满好奇心。04 / BadBob 背后的故事
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。
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。
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。
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。
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
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。