Como parte de mi proyecto de graduación, el Sistema de Cámara AI, una plataforma de monitoreo inteligente desplegada en edificios, parques temáticos y mercados nocturnos, necesitábamos procesar grandes cantidades de datos de video e imagen de docenas de cámaras. Nuestros casos de uso requerían la anotación de objetos complejos como:

- Rostros para diferenciar empleados, invitados, VIPs y personas desconocidas

- Personas en condiciones desafiantes (mascarillas, poca luz, contraluz, escenas de multitudes)

- Vehículos (coches, carritos) entrando en áreas restringidas

- Comportamientos especiales como reuniones de multitudes, movimiento en sentido contrario o intrusiones Reseña recopilada por y alojada en G2.com.

Hay algunas limitaciones con la cuenta de investigación. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Roboflow es que no solo facilita la preparación de conjuntos de datos, sino que también ofrece entrenamiento de modelos integrado y gráficos de evaluación claros que me ayudan a entender el rendimiento de un vistazo. Aprecio especialmente lo sencillo que es integrar los modelos entrenados en diferentes aplicaciones, lo que hace que todo el flujo de trabajo, desde los datos hasta la implementación, sea fluido y agradable. Reseña recopilada por y alojada en G2.com.

Lo que no me gusta de Roboflow es que algunas de las mejores características y los límites de conjuntos de datos más grandes solo están disponibles en los planes de pago, lo cual puede ser difícil para principiantes o estudiantes que quieren practicar en proyectos más grandes. Reseña recopilada por y alojada en G2.com.

Me gusta lo fácil que es usar la interfaz de Roboflow. Me ofrece tantas opciones para entrenar modelos de visión por computadora y descargar datos para su uso posterior. También es muy fácil dividir el trabajo entre mi equipo y yo para que podamos terminar rápidamente las tareas y compartir la carga de trabajo. También me gustan las opciones de anotación que me permiten dibujar rápidamente cuadrados o trazar un buen polígono si es necesario. Reseña recopilada por y alojada en G2.com.

A veces, pero no siempre, puede ser difícil eliminar errores al anotar imágenes. Tienes que desplazarte para encontrar la anotación exacta que deseas eliminar, lo cual en mi caso puede llevar mucho tiempo debido al hecho de que normalmente estoy anotando más de 150 veces por imagen.

A veces implementar el ciclo de vida completo del proyecto puede ser difícil. Tienes que tener un sólido conocimiento de cómo funcionan estos tipos de programas para obtener el mejor rendimiento por tu inversión al usar este programa. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Roboflow es la simplicidad y facilidad para etiquetar, entrenar, probar y desplegar modelos de IA. Realmente aprecio poder subir imágenes ya etiquetadas y ajustar las anotaciones directamente en la página web. La plataforma es muy amigable para los recién llegados y siempre ha sido bastante intuitiva para tareas como la ampliación de datos, por ejemplo. La uso casi a diario siempre que necesito mejorar mis conjuntos de datos. Es muy fácil de integrar en tu flujo de trabajo o pipeline de IA para el entrenamiento. El soporte al cliente siempre ha sido bueno, al menos en las pocas veces que he tenido que contactarlos. Reseña recopilada por y alojada en G2.com.

El único inconveniente que veo es que para tener un repositorio de imágenes privado, necesitas una suscripción; de lo contrario, todos pueden ver tu repositorio y conjunto de datos. Además, a veces, al subir conjuntos de datos, ciertas partes permanecen permanentemente en las imágenes y no se pueden eliminar, aunque esto es algo que rara vez ocurre. Reseña recopilada por y alojada en G2.com.

Roboflow hace que sea increíblemente fácil gestionar conjuntos de datos para tareas de visión por computadora. Subir, anotar y preprocesar imágenes es sencillo, incluso para conjuntos de datos grandes. Me gustan mucho las opciones de aumento integradas, que ahorran mucho tiempo al preparar datos para el entrenamiento. La integración con marcos de aprendizaje automático populares (como YOLO, TensorFlow y PyTorch) es fluida, por lo que exportar conjuntos de datos al formato correcto es sin complicaciones. La interfaz es limpia y amigable para principiantes, pero también lo suficientemente poderosa para usuarios avanzados. Reseña recopilada por y alojada en G2.com.

Algunas de las funciones más avanzadas están bloqueadas detrás de planes de pago, lo que puede ser limitante para estudiantes o proyectos pequeños. El nivel gratuito es útil pero tiene restricciones en el tamaño del conjunto de datos y el uso. Reseña recopilada por y alojada en G2.com.

Roboflow hace que la gestión de conjuntos de datos y el entrenamiento de modelos sean sencillos. Me gusta mucho lo fácil que es anotar, preprocesar y versionar conjuntos de datos sin tener que construir toda una canalización personalizada. Las integraciones con marcos de ML populares ahorran mucho tiempo, y la interfaz de usuario es limpia e intuitiva. Usamos esto en nuestro negocio a diario y el soporte siempre está disponible para cualquier problema que encontremos. Reseña recopilada por y alojada en G2.com.

Algunas de las funciones más avanzadas están bloqueadas detrás de niveles de precios más altos, lo que puede ser limitante para proyectos más pequeños o uso recreativo. También sería bueno tener un poco más de flexibilidad en las canalizaciones de automatización sin necesidad de salir de la plataforma. Reseña recopilada por y alojada en G2.com.

Me gusta Roboflow de diferentes maneras. Pero lo mejor de Roboflow es la interfaz fácil de usar. Puedo tener datos, etiquetar datos, segmentar datos, aumentar datos y entrenar datos en un solo lugar. Me gusta el etiquetado de polígonos inteligentes. Puede aprender del etiquetado anterior. Puedo aumentar datos de varias maneras y puedo hacer variaciones en el tamaño de los datos. La herramienta de preprocesamiento de datos es muy útil para hacer variaciones en los datos. En general, de mis 6 a 7 investigaciones, utilicé Roboflow como repositorio de datos principal y lo mencioné en todos mis artículos de investigación publicados. Una herramienta de implementación fácil como Roboflow es lo que necesitamos. Reseña recopilada por y alojada en G2.com.

Hay algunos puntos en los que Roboflow puede mejorar. Uno de ellos es la segmentación de polígonos inteligentes. Es buena pero no la mejor. A veces necesita segmentaciones manuales ya que el polígono inteligente tiene dificultades para identificar objetos a partir de etiquetados anteriores. Debería ser más preciso. Reseña recopilada por y alojada en G2.com.

La velocidad con la que puedo anotar, entrenar y desplegar modelos es increíble. La integración con diferentes arquitecturas de modelos y la capacidad de desplegarlos en diferentes entornos (web, móvil, etc.) lo convierten en una solución completa y altamente versátil. Reseña recopilada por y alojada en G2.com.

Aunque la versión gratuita es muy útil, las limitaciones en el número de imágenes y las funciones avanzadas en los planes de pago pueden ser un poco restrictivas para proyectos personales o de pequeña escala. Reseña recopilada por y alojada en G2.com.

Es tan fácil entrenar modelos de visión con la interfaz de usuario. Puedes prototipar un modelo en minutos para validar ideas y, si funciona, puedes refinarlo hasta que esté listo para producción en la misma plataforma. Es fácil cambiar de modelos, pero eso no es necesario con el RF-DETR de Roboflow ya que funciona tan bien. Reseña recopilada por y alojada en G2.com.

A veces, la interfaz de anotación es un poco defectuosa, pero una actualización siempre soluciona el problema. Reseña recopilada por y alojada en G2.com.