適用於 macOS 的視覺工作台

BadBob

教會機器看見。

你的影像。你的模型。你的想像力。
一個用心打造的空間,將它們連接起來。

Mac 原生應用程式 · 本機訓練 · 為好奇的你而打造

好模型,始於好影像。向下捲動,探索更多
擷取標註整理訓練比較改進
01 / 完整全貌從首次擷取,到下一個模型

完整的循環。
由你掌握。

出色的電腦視覺,不只是按下訓練按鈕。BadBob 將訓練前、中、後需要認真完成的工作連接起來。

BadBob 為客廳地毯上的巴哥犬拍照,一名男子坐在格紋扶手椅上看報
Capture Lab工作流程插圖 / 01

01 / Capture Lab

從真實世界出發。

收集模型真正需要的影像。使用相機擷取、探索棘手情境,或逐步涵蓋專案中的各個類別。

  • 即時相機擷取
  • 類別涵蓋範圍與專注擷取工作階段
  • 將影像直接傳送到 Annotator
繼續探索
一位插畫師在亮著燈的繪圖桌上繪製物件輪廓與遮罩
Annotator工作流程插圖 / 02

02 / Annotator

賦予每張影像意義。

繪製邊界框與輪廓、檢閱 AI 建議,並使用具名標註清單整理工作。有用的資料集,就從這些細節開始。

  • 邊界框與可編輯輪廓
  • 模型輔助建議
  • 已儲存的修訂與具名清單
繼續探索
BadBob 按視覺類別整理飛機、汽車和花瓶的照片
Data Studio工作流程插圖 / 03

03 / Data Studio

建立值得信賴的資料集。

將檢閱過的影像整理成具版本的資料集。將訓練、驗證與測試影像分開,讓下一次結果有可靠的衡量依據。

  • 具版本的資料集清單
  • 獨立的訓練、驗證和測試分組
  • 可追溯的影像與標註參照
繼續探索
兩位研究人員在插畫工坊中比較花瓶、飛機和汽車周圍的邊界框
Training工作流程插圖 / 04

04 / Training

讓影像發揮作用。

使用 Create ML 訓練物件偵測模型,或選擇分割路線。執行前預覽可選的資料增強,並在模型學習時隨時關注進度。

  • Create ML 物件偵測
  • 分割訓練
  • 自主啟用訓練影像增強
繼續探索
兩位研究人員在兩張相同的紅色模型飛機照片上比較分割輪廓
比較與改進工作流程插圖 / 05

05 / 比較與改進

從錯誤中學習。

在同一個資料集上比較候選模型。在 Failure Bank 中檢查難以處理的預測,再將所得經驗用於下一輪影像工作。

  • 基準模型與候選模型比較
  • 檢閱難以處理的預測
  • 持續的擷取到模型循環
繼續探索

入門 / 觀看工作流程

一點指引。
探索的空間。

通過實用影片演示,認識 Capture Lab、Annotator、Data Studio 和 Training。選擇下一步,跟著操作。

探索教學
02 / 一點機器學習兩條路線。諸多可能。

同樣的好奇心。不同的問題。

找到物件。
沿著形狀。

有時,你需要知道物件在哪裡。
有時,每一道邊緣都很重要。選擇適合你的路線。

兩位研究人員在插畫工坊中比較花瓶、飛機和汽車周圍的邊界框01 / 物件偵測

由 Create ML 驅動

這是什麼,
它在哪裡?

教模型識別專案中的類別,並用邊界框定位它們。直接在 Mac 上使用 Apple 的 Create ML 訓練工具。

類別 邊界框 偵測結果
機器人插畫工坊探索分割與物件輪廓02 / 分割

再看仔細一點

物件的邊界
到哪裡?

超越矩形。當專案需要物件的形狀時,標註輪廓,選擇分割訓練路線。

輪廓 遮罩 形狀

上市特惠 即將推出

別錯過
上市優惠。

完整的 BadBob 工作台。永久授權、12 個月更新,為你的下一個想法搶先起步。

瞭解上市優惠

上市立省 €50

€99一般售價 €149

一次性購買 · 含加值稅

規劃中的上市價格。
公開下載與購買即將開放。

03 / 我們在意的幾件事用心的工具。思考的空間。

你的工作。
你的世界。
你的方式。

為想要理解資料、打造工具並持續創作的人而造。

原生 Mac 應用程式。
以人為本的方法。
A

讓工作留在身邊。

在 Mac 上擷取、標註和訓練。使用本機專案和影像庫,並為所選路線準備相應的訓練環境。

B

清楚資料從何而來。

具名清單、已儲存的標註修訂與資料集版本,讓整個過程可追溯。了解結果從何而來,結果才更有意義。

C

一點幫助,就在身旁。

情境手冊會隨你所在的區塊提供幫助。當工作流程逐漸深入時,快速入門、搜尋和書籤能幫你找到下一步。

BadBob 開朗的機器人在陽光明媚的圖書館裡,被書籍圍繞小小機器人。滿滿好奇心。

04 / BadBob 背後的故事

一個真實問題。
一個更大的想法。

BadBob 源於 DiceScore 和一個問題:如何把訓練結果變成更好的模型?一款名為 Failure Bank 的小型 Python 工具,是第一步。

如今,這個想法已將擷取、標註、資料集和本機訓練匯集於一個 macOS 工作台。實用的工具,也留有持續成長的空間。

關於 BadBob
產品設計SwiftUI電腦視覺
05 / 幾個好問題歡迎保持好奇。

好
問題。

01使用 BadBob 能做什麼?

開展自訂物件偵測和分割專案:從日常物品和興趣實驗,到下一個產品所需的資料集。由你定義專案類別,收集對實際用途有價值的影像。

02我的 Mac 能執行嗎?

BadBob 是原生 macOS 應用程式。Create ML 支援物件偵測訓練路線;受支援的實驗性分割訓練環境需要 Apple Silicon 和獨立的本機設定。硬體與可用記憶體會影響能訓練什麼以及需要多久。

03需要上傳訓練影像嗎?

核心擷取、標註、資料集和本機訓練流程,均使用 Mac 上的專案和影像庫執行。也可以使用共用儲存空間。準備環境時,可能需要下載訓練工具和模型。

04驗證和測試影像會怎樣處理?

它們擁有獨立的資料集分組。訓練增強為可選項,僅作用於訓練影像;原圖以及保留的驗證和測試影像保持不變。

05在哪裡下載,價格是多少?

公開下載與購買正在籌備中。規劃中的上市優惠為 €99(含加值稅),一般售價為 €149。永久授權包含 12 個月更新。完整說明請見“價格與功能”。

公開下載 / 即將開放

你會
教它什麼?

一台相機,一點好奇心,一個值得實現的專案。
下一個模型,從你開始。