在计算机视觉项目中，随着项目的不断迭代和团队成员的增加，管理项目进度和分工协作变得越来越复杂。如果处理不当，可能会导致文件混乱，分布在不同的文件夹中，状态不一。之前分享了一种组织项目各阶段的工作流程，现在将这些经验直接集成到了Roboflow中。由于入门计划现在免费包括最多三人的团队，无论是学生黑客马拉松的创意项目还是财富500强的计划，都可以从这些改进中受益。
在Roboflow中，数据集以前是作为一个大的图像桶来组织的。如果数据集事先已经被策划和注释，这是有意义的...但是，如果正在上传原始的、未注释的图像，并且是一次上传几个，就像收集它们并努力改进模型一样，它可能会变得难以处理。现在，每组图像都被组织在一个批次中。现在，每次上传一组新图像时，都会自动创建一个批次来将它们组合在一起。首先上传图像大大降低了注释过程的风险，因为进度可以边做边保存（而不是存储在浏览器中，并在完成注释后一次性上传——如果浏览器在过程中崩溃，可能会冒着丢失数小时工作的风险）。这也意味着可以通过将上传分成不同的批次来分配和征服标签任务（告别创建和合并不同的数据集）！
还从用户那里听说，找到新添加的需要注释的图像很困难，所以在“所有图像”视图和每个上传批次中添加了一个“未标注”标签。当完成所有图像的注释时，现在可以确定地知道它！
有时，图像故意不包含任何感兴趣的对象。过去写过关于空和未标注图像之间的区别。但是在Roboflow Annotate中，没有明确的方式来表示这一点。将图像标记为null可以让模型知道故意没有对象。进入“标记为Null”工具，这是一种明确标记图像包含零个注释对象并将其从未标注队列中移除的方法。对于模型来说，学习在野外不总是有对象出现是很重要的！现在可以明确地这样做了。
这只是一个开始。感谢自Roboflow Annotate推出以来的所有反馈。将继续改进这个工作流程，以追求创建世界上最好的计算机视觉流程！
在计算机视觉项目中，随着项目的不断迭代和团队成员的增加，管理项目进度和分工协作变得越来越复杂。如果处理不当，可能会导致文件混乱，分布在不同的文件夹中，状态不一。之前分享了一种组织项目各阶段的工作流程，现在将这些经验直接集成到了Roboflow中。由于入门计划现在免费包括最多三人的团队，无论是学生黑客马拉松的创意项目还是财富500强的计划，都可以从这些改进中受益。
在Roboflow中，数据集以前是作为一个大的图像桶来组织的。如果数据集事先已经被策划和注释，这是有意义的...但是，如果正在上传原始的、未注释的图像，并且是一次上传几个，就像收集它们并努力改进模型一样，它可能会变得难以处理。现在，每组图像都被组织在一个批次中。现在，每次上传一组新图像时，都会自动创建一个批次来将它们组合在一起。首先上传图像大大降低了注释过程的风险，因为进度可以边做边保存（而不是存储在浏览器中，并在完成注释后一次性上传——如果浏览器在过程中崩溃，可能会冒着丢失数小时工作的风险）。这也意味着可以通过将上传分成不同的批次来分配和征服标签任务（告别创建和合并不同的数据集）！
还从用户那里听说，找到新添加的需要注释的图像很困难，所以在“所有图像”视图和每个上传批次中添加了一个“未标注”标签。当完成所有图像的注释时，现在可以确定地知道它！
有时，图像故意不包含任何感兴趣的对象。过去写过关于空和未标注图像之间的区别。但是在Roboflow Annotate中，没有明确的方式来表示这一点。将图像标记为null可以让模型知道故意没有对象。进入“标记为Null”工具，这是一种明确标记图像包含零个注释对象并将其从未标注队列中移除的方法。对于模型来说，学习在野外不总是有对象出现是很重要的！现在可以明确地这样做了。