Espaces de travail
Tous les projets Roboflow appartiennent à un espace de travail. Lorsque vous créez un compte Roboflow, nous créons automatiquement un premier espace de travail pour vous.
Les espaces de travail vous permettent de gérer qui a accès à quels projets et quelles fonctionnalités sont disponibles pour les projets dans l'espace de travail.
Les espaces de travail contiennent des projets qui contiennent des versions avec des modèles entraînés et peuvent être exportés dans divers formats .
Créer un nouvel espace de travail
Pour créer un nouvel espace de travail, cliquez sur le bouton "+ Ajouter un espace de travail" dans le menu de navigation après vous être connecté à Roboflow.
Lorsque vous créez un nouvel espace de travail, vous devez choisir un abonnement pour l'espace de travail. Pour plus d'informations sur les forfaits disponibles, consultez la section Forfaits et tarifs .
Ajouter des membres d'équipe à un espace de travail
Les espaces de travail peuvent être créés ou supprimés. Les espaces de travail sont irrécupérables une fois entièrement confirmés comme supprimés .
projets
Un projet vit dans un espace de travail et contient un jeu de données d'images qui sont : entièrement balisées, partiellement balisées ou non balisées.
Les projets peuvent être fusionnés, dupliqués, créés ou supprimés. Les projets sont irrécupérables une fois entièrement confirmés comme supprimés .
Créer un nouveau projet
Sélectionnez « Créer un nouveau projet ». Cela activera un modèle avec une option pour télécharger vos propres données ou parcourir un didacticiel avec des exemples de données.
Roboflow propose actuellement le téléchargement d'ensembles de données, l'étiquetage, la génération d'ensembles de données et la prise en charge de la formation de modèles personnalisés pour les types de projets suivants : détection d'objets (boîte de délimitation), classification à étiquette unique, classification à plusieurs étiquettes et segmentation d'instance.
Roboflow propose actuellement le téléchargement d'ensembles de données, l'étiquetage, la génération d'ensembles de données, la formation et la mise en œuvre de modèles personnalisés et AutoML pour les types de projets suivants : détection d'objets (boîte de délimitation), classification à une seule étiquette et classification à plusieurs étiquettes.
Si vous sélectionnez « Télécharger vos propres données », trois champs doivent être renseignés :
nom du projet
Un moyen de référencer votre collection d'images/vidéos.
- Si vous téléchargez des images de pièces d'échecs, vous pouvez les appeler "Données d'échecs".
- Le nom du jeu de données doit être unique parmi vos jeux de données. (Par exemple, vous ne pouvez pas avoir deux ensembles de données nommés "Données d'échecs".)
- Pour le moment, nous ne prenons pas en charge la modification du nom de l'ensemble de données après avoir créé l'ensemble de données. Si vous avez besoin de changer le nom de votre ensemble de données, vous pouvez télécharger à nouveau vos données avec le nouveau nom ou nous contacter.
Type de projet
-
Classification en une seule étiquette : une bonne règle empirique pour utiliser la détection d'objets par rapport à la classificationest de savoir si les choses que vous essayez de prédire sont des "objets dans une image" par rapport aux "propriétés d'une image".
- Par exemple, une pièce d'échecs est un "objet dans une image", mais l'hiver est une "propriété d'une image". Si vous essayez de dessiner un cadre autour de la partie hivernale ou diurne d'une image, vous finirez probablement par dessiner un cadre autour de l'ensemble.
- Classification multi-étiquettes : Semblable à la classificationà étiquette unique en termes de recherche de "propriétés d'une image", juste plusieurs propriétés d'une image.
- Par exemple, si vous essayez de détecter non seulement l'hiver, mais aussi le jour, les nuages et la nuit dans la même image.
-
Détection d'objet : Utile lorsque vous essayez d'identifier un ou plusieurs objets dans une image à l'aide de boîtes englobantes. Une bonne règle de base est de savoir s'il faut détecter l'objet en mouvement ou en position.
- Par exemple, une pièce d'échecs se déplaçant d'une case à une autre et reconnaissant si les pièces d'échecs sont ou non à leur place sur l'échiquier lors de la mise en place.
Si vous n'arrivez pas à vous décider, nous vous recommandons de commencer par étiqueter vos images pour la détection d'objets, car même si vous pouvez facilement convertir un projet de détection d'objets en un projet de classification multi-étiquettes, vous devrez réétiqueter votre jeu de données pour convertir dans l'autre direction. †
-
Segmentation d'instance(également connue sous le nom de segmentation d'image) : utile lorsque vous souhaitez mesurer la taille des objets détectés, les découper de leur arrière-plan ou détecter plus précisément les objets allongés en rotation. La segmentation d'instance permet à votre application de déterminer le nombre d'objets dans une image, leurs classifications et leur périmètre.
- Par exemple, si vous avez besoin de mesurer la taille d'une feuille de tomate pour la retirer de l'arrière-plan, ou de mesurer une pelouse à partir d'images satellites.
Notez que les modèles de segmentation d'instance sont généralement plus volumineux, plus lents et moins optimisés pour le déploiement en périphérie. Les modèles de segmentation d'instance peuvent nécessiter des ensembles de données plus volumineux pour obtenir la même précision que les modèles de détection d'objets.
Autres types de projets
Roboflow ne prend actuellement pas en charge d'autres types de projets, mais les demandes d'accès anticipé sont fortement encouragées . Vous trouverez ci-dessous quelques-uns des différents types de projets qui seront pris en charge à l'avenir et quand les utiliser. Vous ne devez utiliser la segmentation d'instance que si votre application nécessite la spécificité du périmètre de l'objet.
- Segmentation sémantique : pour essayer d'identifier plusieurs objets de la même classe ou de classes différentes dans des images avec des formes de polygones libres (pas de boîtes englobantes).
- Détection de points clés : pour tenter d'identifier les emplacements des composants clés d'une image
Groupe d'annotations
Il doit s'agir de la classe plus large d'objets détectés ou de l'ensemble des catégories pour un problème de classification. C'est un moyen de faire référence à tous les objets ou étiquettes dans les images.
- Par exemple, si vous essayez d'identifier des pions, des tours, des rois et des reines sur un échiquier, le groupe d'annotations peut être des pièces.
- Ou, lorsque vous tentez de classer des images manuscrites en tant que 0, 1, 2, ... 9, le groupe d'annotations peut être composé de nombres.
Lisez notre blog intitulé . pour plus d'informations sur les groupes d'annotations Qu'est-ce qu'un groupe d'annotation ?
versions
Un jeu de données ou une version de projet est un instantané de votre jeu de données.
En suivant avec précision les images, les étapes de prétraitement et de grossissement utilisées à chaque itération de votre modèle, vous conservez la possibilité de reproduire et de tester scientifiquement les résultats sur différents modèles et frameworks, tout en vous assurant que les résultats sont dus aux modifications du modèle et pas en raison d'un bogue dans le pipeline de données.
Des versions peuvent être créées ou supprimées. Les versions sont irrécupérables une fois entièrement confirmées comme supprimées .