透過自然語言與 AI 對話,自動完成影像標註。
用自然語言描述你想標註的目標,讓 AI 自動產生標註結果。
探索 TjMakeBot 在 2D/3D 標註、6D 姿態資料集、模型資產、品質檢查、訓練、匯出和工作流程控制方面的功能。
用自然語言描述你想標註的目標,讓 AI 自動產生標註結果。
適用於機器人和具身智能資料集:當物件不只需要 2D 框,而是需要可用於下游處理的 3D 姿態時,可使用 6D 姿態模式。
為檢測、分割、旋轉物體、關鍵點、點雲和物體姿態資料集選擇合適的標註方式。
把模型資產 key 綁定到標籤,在多個物體間重用資產,並讓匯出的姿態元資料與下游工具保持一致。
審閱、資料集版本、訓練交接與交付可以協同工作,協助團隊從單次任務進入可重用的生產流程。
把分散的標註動作升級成共享複核流程、問題處理和交付檢查點。
把審核通過的輸出連接到資料集版本、訓練結果和客戶交付。
透過平台管理權限、審計要求和部署規劃。
把自動化、API 存取和複核流程整合到一個平台。
將訓練好的模型匯出為 PyTorch、ONNX、TensorRT、CoreML、TFLite、OpenVINO、NCNN 等多種格式。
在雲端使用 GPU 加速訓練 YOLO 模型。
在瀏覽器中直接用3D邊界框標註LiDAR和點雲數據。支援PCD和PLY文件。
匯出前檢查模型資產缺失、深度無效、物體 ID 重複、相機參數問題和投影不可見等問題。
匯出包含 annotations_pose6d.json、quality_report.json 和 BOP 風格場景檔案的姿態資料集。
支援 YOLO、Pascal VOC、COCO 和 CSV 格式。
按自訂影格率從影片中擷取影格,用於資料集建立。
使用訓練好的模型自動檢測多張圖片中的目標。
介面支援多種語言。
為觸控板使用者最佳化的縮放與平移控制。
高效處理高解析度影像。
核心功能完全免費,直接在瀏覽器中執行。