Arbeitsbereiche
Alle Roboflow-Projekte gehören zu einem Arbeitsbereich. Wenn Sie ein Roboflow-Konto erstellen, erstellen wir automatisch einen ersten Arbeitsbereich für Sie.
Mit Arbeitsbereichen können Sie verwalten, wer Zugriff auf welche Projekte hat und welche Funktionen für Projekte im Arbeitsbereich verfügbar sind.
Arbeitsbereiche enthalten Projekte, die Versionen mit trainierten Modellen enthalten und in verschiedene .
Erstellen Sie einen neuen Arbeitsbereich
Um einen neuen Arbeitsbereich zu erstellen, klicken Sie nach der Anmeldung bei Roboflow auf die Schaltfläche „+ Arbeitsbereich hinzufügen“ im Navigationsmenü.
Wenn Sie einen neuen Arbeitsbereich erstellen, müssen Sie ein Abonnement für den Arbeitsbereich auswählen. Weitere Informationen zu verfügbaren Plänen finden Sie im Abschnitt Pläne und Preise .
Teammitglieder zu einem Arbeitsbereich hinzufügen
Arbeitsbereiche können erstellt oder gelöscht werden. Arbeitsbereiche können nicht wiederhergestellt werden, sobald sie vollständig als gelöscht bestätigt wurden.
Projekte
Ein Projekt befindet sich in einem Arbeitsbereich und enthält einen Datensatz von Bildern, die: vollständig getaggt, teilweise getaggt oder nicht getaggt sind.
Projekte können zusammengeführt, dupliziert, erstellt oder gelöscht werden. Projekte können nicht wiederhergestellt werden, sobald sie vollständig als gelöscht bestätigt wurden.
Erstellen Sie ein neues Projekt
Wählen Sie „ Neues Projekt erstellen “. Dadurch wird eine Vorlage mit der Option aktiviert, Ihre eigenen Daten hochzuladen oder durch ein Tutorial mit Beispieldaten zu gehen.
Roboflow bietet derzeit Dataset-Upload, Labeling, Dataset-Generierung und Trainingsunterstützung für benutzerdefinierte Modelle für die folgenden Projekttypen: Objekterkennung (Bounding Box), Single-Label-Klassifizierung, Multi-Label-Klassifizierung und Instanzsegmentierung.
Roboflow bietet derzeit Dataset-Upload, Labeling, Dataset-Generierung, Training und Implementierung von benutzerdefinierten und AutoML-Modellen für die folgenden Projekttypen an: Objekterkennung (Bounding Box), Single-Label-Klassifizierung und Multi-Label-Klassifizierung.
Wenn Sie „ Eigene Daten hochladen “ auswählen, müssen drei Felder ausgefüllt werden:
Name des Projekts
Eine Möglichkeit, auf Ihre Bild-/Videosammlung zu verweisen.
- Wenn Sie Bilder von Schachfiguren hochladen, können Sie diese "Schachdaten" nennen.
- Der Datensatzname muss unter Ihren Datensätzen eindeutig sein. (Zum Beispiel können Sie nicht zwei Datensätze mit dem Namen „Fehlerdaten“ haben.)
- Derzeit unterstützen wir keine Änderung des Dataset-Namens nach dem Erstellen des Datasets. Wenn Sie den Namen Ihres Datensatzes ändern müssen, können Sie Ihre Daten mit dem neuen Namen erneut hochladen oder uns kontaktieren.
Projekttyp
-
Ein-Label-Klassifizierung: Eine gute Faustregel für die Verwendung der Objekterkennung im Vergleich zur Klassifizierung lautet, ob es sich bei den Dingen, die Sie vorherzusagen versuchen, um "Objekte in einem Bild" oder um "Eigenschaften eines Bilds" handelt .
- Zum Beispiel ist eine Schachfigur ein "Objekt in einem Bild", aber der Winter ist eine "Eigenschaft eines Bildes". Wenn Sie versuchen, einen Rahmen um den Winter- oder Tagesteil eines Bildes zu ziehen, werden Sie wahrscheinlich am Ende einen Rahmen um das Ganze ziehen.
-
Multi-Label- Klassifizierung: Ähnlich wie die Single-Label-Klassifizierung in Bezug auf das Auffinden von "Eigenschaften eines Bildes", nur mehrere Eigenschaften eines Bildes.
- Zum Beispiel, wenn Sie versuchen, nicht nur den Winter, sondern auch Tag, Wolken und Nacht auf demselben Bild zu erkennen.
-
Objekterkennung : Nützlich, wenn Sie versuchen, ein oder mehrere Objekte in einem Bild mithilfe von Begrenzungsrahmen zu identifizieren. Eine gute Faustregel ist, ob das Objekt in Bewegung oder in Position erkannt werden soll.
- Zum Beispiel eine Schachfigur, die sich von einem Feld zum anderen bewegt und beim Aufstellen erkennt, ob die Schachfiguren an ihrem Platz auf dem Schachbrett stehen oder nicht.
Wenn Sie sich nicht entscheiden können, empfehlen wir Ihnen, zunächst Ihre Bilder für die Objekterkennung zu kennzeichnen, denn obwohl Sie ein Objekterkennungsprojekt problemlos in ein Klassifizierungsprojekt mit mehreren Kennzeichnungen umwandeln können, müssen Sie Ihren Datensatz neu kennzeichnen, um ihn in das andere umzuwandeln Richtung. †
-
Instanzsegmentierung(auch bekannt als Bildsegmentierung): Nützlich, wenn Sie die Größe von erkannten Objekten messen, sie aus ihrem Hintergrund ausschneiden oder längliche rotierende Objekte genauer erkennen möchten. Durch die Instanzsegmentierung kann Ihre Anwendung die Anzahl der Objekte in einem Bild, ihre Klassifizierungen und ihren Umfang bestimmen.
- Wenn Sie beispielsweise die Größe eines Tomatenblatts messen müssen, um es vom Hintergrund zu entfernen, oder einen Rasen anhand von Satellitenbildern messen müssen.
Beachten Sie, dass Instance-Segmentierungsmodelle im Allgemeinen größer, langsamer und weniger für die Edge-Bereitstellung optimiert sind. Instanzsegmentierungsmodelle erfordern möglicherweise größere Datasets, um die gleiche Genauigkeit wie Objekterkennungsmodelle zu erreichen.
Andere Arten von Projekten
Roboflow unterstützt derzeit keine anderen Projekttypen, Anfragen für frühzeitigen Zugriff werden jedoch dringend empfohlen . Nachfolgend sind einige der verschiedenen Projekttypen aufgeführt, die in Zukunft unterstützt werden, und wann sie verwendet werden. Sie sollten die Instanzsegmentierung nur verwenden, wenn Ihre Anwendung eine Objektbereichsspezifität erfordert.
- Semantische Segmentierung: um zu versuchen, mehrere Objekte derselben Klasse oder verschiedener Klassen in Bildern mit freien Polygonformen (keine Begrenzungsrahmen) zu identifizieren.
- Keypoint-Erkennung: um zu versuchen, die Positionen von Schlüsselkomponenten in einem Bild zu identifizieren
Anmerkungsgruppe
Dies sollte die breitere Klasse von erkannten Objekten oder der Satz von Kategorien für ein Klassifizierungsproblem sein. Es ist eine Möglichkeit, auf alle Objekte oder Beschriftungen in Bildern zu verweisen.
- Wenn Sie beispielsweise versuchen, Bauern, Türme, Könige und Damen auf einem Schachbrett zu identifizieren, könnte die Anmerkungsgruppe Figuren sein.
- Oder wenn versucht wird, Tintenbilder als 0, 1, 2, ... 9 zu klassifizieren, kann die Anmerkungsgruppe aus Zahlen bestehen.
Lesen Sie unseren Blog mit dem Titel . für weitere Informationen zu Anmerkungsgruppen Was ist eine Anmerkungsgruppe?
Versionen
Eine Dataset- oder Projektversion ist eine Momentaufnahme Ihres Datasets.
Durch die genaue Verfolgung der Bilder, Vorverarbeitungs- und Vergrößerungsschritte, die in jeder Iteration Ihres Modells verwendet werden, behalten Sie die Möglichkeit, die Ergebnisse wissenschaftlich zu reproduzieren und an verschiedenen Modellen und Frameworks zu testen, während Sie sicherstellen, dass die Ergebnisse auf die Modelländerungen zurückzuführen sind und nicht aufgrund eines Fehlers in der Datenpipeline.
Versionen können erstellt oder gelöscht werden. Versionen können nicht wiederhergestellt werden, sobald sie vollständig als gelöscht bestätigt wurden.