Recensioni e Dettagli del Prodotto Roboflow

Costruire modelli di machine learning su Roboflow è davvero facile. Ci sono molti dataset disponibili su Roboflow Universe, e puoi persino aggiungere le tue immagini per migliorare il tuo modello—è davvero semplice. La parte migliore è che Roboflow gestisce l'addestramento per te e offre un'ottima accuratezza. Recensione raccolta e ospitata su G2.com.

Roboflow Univers non ha tanti dataset quanto Kaggle, ma ha senso poiché la piattaforma è più focalizzata sul proprio ecosistema. Addestrare un modello può richiedere del tempo, a seconda di quanto è grande il tuo dataset, ma più dati hai, migliori saranno i risultati. Nel complesso, è un'esperienza solida. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di più di Roboflow è il suo flusso di lavoro di visione artificiale end-to-end, in particolare come gestisce senza problemi la gestione dei dataset, l'annotazione, il preprocessing, l'augmentazione e l'esportazione in un'unica piattaforma. Avere accesso a una gamma di dataset pubblici diversificati e ben annotati (ad esempio, dataset di difetti di stampa 3D), combinato con formati di esportazione flessibili e controllo di versione integrato, rende l'esperimentazione e la riproducibilità molto più facili. Inoltre, l'interfaccia di Roboflow riduce il carico di lavoro della preparazione dei dataset, permettendo ai ricercatori di dedicare più tempo alla progettazione e valutazione dei modelli invece di perdersi nell'ingegneria dei dati. Recensione raccolta e ospitata su G2.com.

Roboflow è una piattaforma altamente completa e la maggior parte delle sue funzionalità sembra ben pensata. Se c'è qualcosa, alcune delle funzionalità più avanzate richiedono tempo per essere esplorate e utilizzate efficacemente, ma ciò è in gran parte dovuto al fatto che la piattaforma include una gamma così ampia di strumenti potenti. Nel complesso, quella profondità è una vera forza: consente agli utenti di passare da progetti semplici a flussi di lavoro più avanzati e orientati alla ricerca man mano che le loro esigenze evolvono. Recensione raccolta e ospitata su G2.com.

Ciò che trovo più prezioso di Roboflow è quanto mi consenta di annotare in modo efficiente grandi set di dati. Usando il loro strumento di annotazione, sono stato in grado di etichettare migliaia di immagini e completare un intero set di dati in sole tre ore. Questo è un processo che altrimenti avrebbe richiesto due o tre giorni. Apprezzo anche quanto sia facile organizzare i progetti ed esportare senza problemi i set di dati direttamente nel mio notebook Python, il che semplifica notevolmente il mio flusso di lavoro. Recensione raccolta e ospitata su G2.com.

Francamente, attualmente non c'è nulla che non mi piaccia di Roboflow. Se in futuro troverò qualcosa che non mi piace, te lo farò sapere. Recensione raccolta e ospitata su G2.com.

La cosa migliore di Roboflow è che posso creare i miei modelli di visione artificiale e, oltre a ciò, configurarli da zero in modo che funzionino esattamente come ho bisogno. Le semplici funzionalità di trascinamento rendono facile impostare le cose, e posso apportare modifiche intuitive al volo. Poiché è tutto online, non dipende dai core del mio PC. Recensione raccolta e ospitata su G2.com.

Finora, è stato fantastico esplorare Roboflow. Tuttavia, mi piacerebbe avere più utilità quando si tratta di importare e gestire i nostri dati, specialmente per modelli personalizzati che richiedono una grande quantità di dati. Se possibile, sarebbe anche utile avere modi per procurarsi o importare dati direttamente da diversi siti come Kaggle, ecc. Recensione raccolta e ospitata su G2.com.

Roboflow fornisce una pipeline completa per la ricerca sulla visione artificiale, dalla annotazione e versionamento dei dataset all'augmentazione e all'esportazione del modello. L'interfaccia è intuitiva e le funzionalità di gestione dei dataset (divisioni, visualizzazione dell'equilibrio delle classi, controllo dell'augmentazione e conversione dei formati) riducono significativamente il carico sperimentale. Per la ricerca accademica, la capacità di iterare rapidamente sui dataset, riprodurre esperimenti ed esportare in più framework (YOLO, COCO, TensorFlow, ONNX, ecc.) è estremamente preziosa. Recensione raccolta e ospitata su G2.com.

Per dataset di dimensioni molto grandi, l'elaborazione e l'esportazione nel cloud possono talvolta richiedere molto tempo, e la personalizzazione avanzata delle pipeline di aumento è leggermente più limitata rispetto agli script locali completamente personalizzati. Inoltre, alcune funzionalità avanzate sono bloccate dietro livelli a pagamento, il che può rappresentare una limitazione per gli studenti con fondi limitati. Recensione raccolta e ospitata su G2.com.

Interfaccia facile da usare, ottimi dataset gratuiti, carica velocemente. Abbastanza conveniente. Il supporto clienti è pessimo, non ho ricevuto risposta quando ho provato ad aggiornare a Enterprise - che ha la maggior parte delle funzionalità necessarie per i team. Lo sto usando da oltre un mese. L'etichettatura automatica AI funziona bene, che è il principale punto di forza, immagino. Recensione raccolta e ospitata su G2.com.

La RAM che consuma, abbiamo caricato 20.000 immagini per l'etichettatura e occupa 2GB. Solo una scheda del loro sito. Sembra che pre-carichino tutte le immagini nel frontend.

Non c'è modo di vedere cosa hanno etichettato gli altri etichettatori. Ho richiesto due volte l'aggiornamento a Enterprise ma non ho ricevuto risposta nel tempo.

Per quanto riguarda il rilevamento degli oggetti, è troppo facile sbagliare a scrivere il nome della classe e per errore creare una nuova classe. Deve esserci un modo per convalidare o un modale che si apre per informare l'utente che sta creando una nuova classe. Questo durante l'etichettatura. Ad esempio, il nome della classe è ar_5, ho digitato ar 5 e ho premuto invio per errore - fatto, l'oggetto ha ottenuto una nuova classe. Recensione raccolta e ospitata su G2.com.

Roboflow rende i flussi di lavoro di visione artificiale semplici e veloci. La gestione dei dataset, l'etichettatura, l'augmentazione e la versioning sono tutti in un unico posto, il che risparmia molto tempo di ingegneria e riduce gli errori. Recensione raccolta e ospitata su G2.com.

Alcune funzionalità avanzate sono bloccate dietro livelli di prezzo più alti, e i grandi set di dati possono diventare costosi. Per pipeline altamente personalizzate, ci possono essere alcune limitazioni rispetto alle soluzioni completamente self-hosted. Recensione raccolta e ospitata su G2.com.

Roboflow si distingue come una piattaforma di visione artificiale end-to-end leader, semplificando il processo spesso disgiunto di rilevamento degli oggetti e segmentazione delle istanze in un flusso di lavoro coeso e unificato. Uno dei vantaggi più notevoli è l'esperienza di annotazione, in particolare la funzione "Smart Polygon" alimentata dal Segment Anything Model (SAM). Questo strumento trasforma l'operazione solitamente laboriosa di cliccare a livello di pixel per le maschere di segmentazione in un'operazione rapida con un solo clic. Oltre a questa comodità, la piattaforma offre un valore strategico significativo attraverso i suoi potenti strumenti di pre-elaborazione e aumento, che ti permettono di espandere il tuo dataset e migliorare la robustezza del modello simulando condizioni come rumore o rotazione, senza la necessità di raccogliere nuove immagini. Insieme a "Label Assist" per la pre-etichettatura automatizzata e la capacità di esportare dataset in più di 30 formati ampiamente utilizzati (inclusi YOLO, COCO e TFRecord), Roboflow elimina efficacemente le barriere tecniche tra la preparazione dei dati e l'addestramento. Questo ti permette di dedicare i tuoi sforzi al miglioramento delle prestazioni del modello invece di occuparti delle conversioni di file. Recensione raccolta e ospitata su G2.com.

Ciò che trovo frustrante di Roboflow è che le sue funzionalità di intelligenza artificiale agiscono più come assistenti che come agenti completamente autonomi, specialmente per quanto riguarda i compiti impegnativi di annotazione e Assicurazione della Qualità (QA). Quando carico un dataset, mi aspetto che l'IA gestisca l'etichettatura delle immagini dall'inizio alla fine. Tuttavia, devo ancora esaminare ogni immagine personalmente per applicare o confermare le etichette, il che rende il processo inutilmente manuale. Questo problema diventa ancora più evidente con la segmentazione delle istanze, dove sono essenziali annotazioni poligonali precise. La piattaforma non fornisce un livello di QA automatizzato per garantire l'accuratezza di queste annotazioni, quindi mi ritrovo con la responsabilità di controllare ogni maschera per verificarne la correttezza. Vorrei che ci fosse un 'supervisore' IA per convalidare automaticamente la qualità e la coerenza dei dati, piuttosto che lasciare tutto il lavoro di verifica a me. Recensione raccolta e ospitata su G2.com.

Mi piace che posso usare i crediti per addestrare modelli personalizzati rapidi che accelerano notevolmente il processo di etichettatura. Gli strumenti forniti sono abbastanza flessibili da etichettare rapidamente le immagini o copiare le etichette su altre immagini. L'esportazione dei dati di addestramento è anche molto flessibile, permettendomi di esportarli in ogni formato richiesto in base alle esigenze del progetto. Si integra bene con il nostro flusso di lavoro interno. Quando ho avuto difficoltà, il supporto clienti mi ha contattato di propria iniziativa poiché stavo usando una nuova funzionalità e mi ha aiutato a continuare. Lo uso almeno una volta alla settimana. È facile da implementare in ogni progetto attuale grazie alla sua flessibilità. Recensione raccolta e ospitata su G2.com.

Quando si importano file yaml, a volte l'ordine delle classi viene alterato, disponendole in ordine alfabetico. Questo richiede un ulteriore passaggio per riportarle all'ordine originale. Questo potrebbe sicuramente essere evitato. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di più di Roboflow è come gestisce senza problemi ogni fase della preparazione del dataset — dal caricamento e annotazione delle immagini alla preprocessazione, all'augmentazione e all'esportazione per l'addestramento. La piattaforma è estremamente facile da usare e fa risparmiare un'incredibile quantità di tempo quando si lavora con grandi dataset. Le funzionalità automatizzate, il controllo delle versioni e le opzioni di esportazione YOLO hanno reso facile gestire in modo efficiente il nostro dataset BharatPotHole di oltre 7.000 fotogrammi. Per la nostra ricerca sulla rilevazione delle buche stradali con iWatchRoad, Roboflow ha aiutato a mantenere una qualità di etichettatura costante, ha supportato la collaborazione e ha semplificato l'intero flusso di lavoro. È uno dei pochi strumenti che rende davvero la gestione dei dataset di visione artificiale senza sforzo. Recensione raccolta e ospitata su G2.com.

Onestamente, non c'è molto da non apprezzare. Occasionalmente, i caricamenti di grandi dimensioni possono richiedere un po' più di tempo, specialmente quando si tratta di migliaia di immagini ad alta risoluzione, ma è prevedibile con grandi set di dati. A parte questo, tutto—dagli strumenti di annotazione alle opzioni di esportazione—ha funzionato senza intoppi. Recensione raccolta e ospitata su G2.com.