Wir verwenden Cookies
Wir verwenden Cookies und ähnliche Technologien, um Ihre Erfahrung zu verbessern, den Datenverkehr zu analysieren und Inhalte zu personalisieren. Sie können alle Cookies akzeptieren oder nicht wesentliche ablehnen.
Das Image-Tagging-Modul von SurveyAnalytica bietet einen vollständigen Workflow zum Organisieren, Beschriften und Vorbereiten von Bilddatensätzen für maschinelles Lernen. Egal, ob Sie ein Bildklassifizierungsmodell erstellen, einen Produktkatalog kuratieren oder visuelle Inhalte aus Umfragen analysieren – die Image-Tagging-Tools bieten Ihnen Auto-Tagging mittels KI-gestützter Computer Vision, manuelle Tagging-Oberflächen, Massenoperationen und direkten Export in Ihre Analytics-Engine.
Laden Sie Bilder über den Datenverwaltungs-Assistenten hoch. Sie können einzelne Bilder, mehrere Bilder gleichzeitig oder ein ZIP-Archiv mit in Ordnern organisierten Bildern hochladen. Unterstützte Bildformate sind PNG, JPG, JPEG, GIF, BMP und WebP.
Nach dem Hochladen müssen die Bilder indiziert werden. Der Indizierungsprozess durchsucht Ihre hochgeladenen Dateien und erstellt Einträge in der Image-Tagging-Datenbank mit vollständigen Metadaten. Navigieren Sie zu Ihrem Bilddatensatz, und das System versucht automatisch, Bilder aus Ihren Upload-Ordnern zu indizieren.
Während der Indizierung extrahiert das System:
Verwenden Sie Neuindizierung erzwingen, um alle vorhandenen Bildeinträge zu löschen und von Grund auf neu zu indizieren.
Die Auto-Tagging-Funktion nutzt KI-gestützte Computer Vision, um Bilder automatisch zu analysieren und beschreibende Tags zu generieren.
Jeder Tag enthält:
Sie können Tags für jedes Bild manuell hinzufügen, bearbeiten oder entfernen:
Bei großen Datensätzen sind Massenoperationen unerlässlich:
Wenden Sie Tags gleichzeitig auf mehrere Bilder an. Sie können Bilder wie folgt ansprechen:
Überprüfen und genehmigen Sie Tags für mehrere Bilder gleichzeitig. Genehmigen Sie alle Tags für ausgewählte Bilder oder für den gesamten Datensatz.
Wandeln Sie vorgeschlagene Tags (generiert aus Ordnerstruktur, Dateinamen oder Split-Erkennung) in bestätigte Tags um. Wählen Sie aus, welche Vorschlagsquellen übernommen werden sollen (Ordner, Split, Dateiname).
Stellen Sie Tags für mehrere Bilder gleichzeitig wieder her, nützlich für Rückgängig-Operationen nach Massenänderungen.
Die Image-Tagging-Oberfläche bietet leistungsstarke Filterfunktionen:
Facetten werden dynamisch mit kaskadierendem Verhalten berechnet — die Auswahl eines Split-Filters aktualisiert die verfügbaren Klassennamen entsprechend.
Schließen Sie problematische Bilder aus Ihrem Datensatz aus, ohne sie zu löschen:
Die Bildstatistik-Funktion liefert detaillierte Metadaten zu Ihrem Datensatz:
Für die Erstellung von Bildklassifizierungsmodellen bietet die Plattform eine vollständige Klassifizierungspipeline:
Das System durchsucht Ihre Ordnerstruktur, um Klassen, Splits und nicht klassifizierte Bilder zu erkennen. Es unterstützt sowohl die Standard-Ordneranalyse als auch die KI-gestützte intelligente Analyse.
Labels können aus mehreren Quellen zugewiesen werden:
Die Plattform analysiert die Klassenverteilung und meldet:
Gleichen Sie Ihren Datensatz automatisch aus, indem überschüssige Bilder aus größeren Klassen ausgeschlossen werden (Undersampling). Das System verwendet Zufallsstichproben mit einem festen Seed für Reproduzierbarkeit.
Generieren Sie Train-/Validierungs-/Test-Splits mit konfigurierbaren Verhältnissen:
Exportieren Sie genehmigte Tags und Bildmetadaten für Analysen. Der Export erstellt einen strukturierten Datensatz mit Bild-ID, Dateipfad, Dateiname, Tags und benutzerdefinierten Feldern, der die Analyse Ihres Bilddatensatzes ermöglicht.
Alle Tagging-Vorgänge werden in einem Verlaufsprotokoll erfasst, einschließlich Massenoperationen, manueller Bearbeitungen, Übernahmen, Genehmigungen und Wiederherstellungen. Dies bietet einen vollständigen Prüfpfad, wie Ihr Datensatz im Laufe der Zeit kuratiert wurde.