1为计算机视觉模型准备高质量标注数据集
- 1登录 Encord 平台，创建新项目并选择“图像”或“视频”数据类型。
- 2上传原始数据（支持从本地或云存储导入），在标注界面中使用自动标注工具（如边界框、多边形、关键点）进行预标注。
- 3邀请团队成员协作审核与修正标注，利用质量保证工作流（如共识、抽查）确保标注一致性。
- 4导出标注结果（如 COCO、YOLO 格式），直接用于模型训练。
2利用主动学习优化模型训练流程
- 1在 Encord 中连接已训练的模型或上传模型预测结果。
- 2使用“主动学习”功能，基于不确定性采样或多样性采样筛选出最有价值的未标注数据。
- 3对筛选出的数据进行标注，并将新标注数据加入训练集。
- 4重新训练模型并重复上述过程，持续提升模型性能。
3通过 API 将标注流程集成到现有 ML 流水线
- 1在 Encord 账户设置中生成 API 密钥。
- 2参考官方 API 文档，使用 Python SDK 或 REST API 创建项目、上传数据并触发标注任务。
- 3通过 Webhook 或轮询方式获取标注完成状态，并自动下载标注结果。
- 4将标注结果无缝接入下游训练或部署环节。