Funktionen

Acht Schritte statt einer leeren Oberfläche

Ziel, Daten, Beschriften, Datenqualität, Training, Auswertung, Modelle, Export. Jeder Schritt sagt, was er braucht und was er liefert – und was als Nächstes kommt.

Datensatz einlesen, wie er vorliegt

Erkennt Ordner-pro-Klasse, COCO, YOLO und Pascal VOC selbstständig am Inhalt, statt nach einem Format zu fragen. 60.000 Bilder sind in unter einer halben Sekunde geprüft.

Qualitätsbericht vor dem Training

Meldet unausgewogene Klassen, defekte Dateien, Dubletten und zu kleine Auflösungen, bevor Rechenzeit in einen Datensatz fließt, der das Problem schon enthält.

Beschriften mit Rückgängig

Klassen, Rechtecke und Polygone in der Anwendung selbst, mit Rückgängig und Wiederholen. Eine Korrektur wird als neue Fassung des Datensatzes gespeichert, die alte bleibt bestehen.

Training auf dem eigenen Rechner

Der Trainingsdienst läuft lokal auf 127.0.0.1, wird von der Anwendung gestartet und mit ihr beendet, startet nie von selbst mit dem System und nimmt pro Start nur ein zufällig erzeugtes Token an. Die Bilder werden ihm als Dateipfad übergeben, nicht übertragen.

Auswertung in Klartext

Ergebnisse in normaler Sprache statt in Kennzahlen, dazu eine Galerie der Fehlgriffe – die Bilder, bei denen das Modell danebenlag.

Export, der auch woanders läuft

Ein ONNX-Modell, gegen das Original geprüft, zusammen mit Klassenliste, Prüfsummen, Eingabeformat, Model Card und Beispielcode in einem Paket.

Was GuideFlow ausdrücklich nicht tut

Diese Punkte sind keine offenen Aufgaben. Sie beschreiben, wo GuideFlow aufhört – damit niemand darauf baut, dass es dort weitermacht.

Heute nur die CPU

GuideFlow erkennt vorhandene Grafikhardware und zeigt sie an, nutzt sie aber noch nicht. Trainiert wird auf der CPU, mit den entsprechenden Laufzeiten.

Kein Anhalten und Fortsetzen

Ein Trainingslauf läuft durch oder wird abgebrochen. Einen Zwischenstand später weiterzuführen ist nicht vorgesehen.

Bilder, kein Text und keine Tabellen

Umgesetzt sind Bildklassifikation und Objekterkennung. Textklassifikation und tabellarische Daten sind es nicht.

Kein geprüftes Modell

GuideFlow prüft den Export gegen das trainierte Original, bescheinigt damit aber keine Eignung für einen bestimmten Einsatz. Ob ein Modell gut genug ist, entscheidet sich an Ihrer Aufgabe, nicht an unserer Ausgabe.

Desktop, nicht mobil

Windows und Linux. Es gibt keine Android-Fassung und keine Weboberfläche, weil Training Hardware braucht, die ein Telefon nicht hat.

Für wen GuideFlow gedacht ist

Menschen, die ein konkretes Bildproblem haben und keine Lust auf ein Studium davor: Teile auf einem Förderband sortieren, Aufnahmen nach Zustand ordnen, wiederkehrende Fehlerbilder erkennen. Wer weiß, wie das Ergebnis aussehen soll, aber nicht, was eine Lernrate ist.

Genau deshalb kommen Lernrate, Epochen, Präzision und Trefferquote in der Oberfläche nicht vor. Wer sie sehen will, schaltet den Expertenmodus ein; wer nicht, bekommt sie nie zu Gesicht und trainiert trotzdem ein Modell.

Warum das lokal läuft

Trainingsdaten sind oft das Interessanteste, was ein Betrieb besitzt: Aufnahmen aus der Fertigung, Bilder von Bauteilen, Fehlerfälle aus Jahren. Der übliche Weg – hochladen, in der Cloud trainieren, Modell zurückbekommen – verlangt, genau das aus der Hand zu geben.

GuideFlow verlangt es nicht. Der Datensatz bleibt, wo er liegt. Der Trainingsdienst läuft als eigener Prozess auf demselben Rechner und bekommt den Pfad zu den Bildern, nicht die Bilder. Er startet, wenn Sie die Anwendung starten, und endet mit ihr.

Was GuideFlow ausdrücklich nicht tut

Es nimmt Ihnen die Entscheidung nicht ab, ob ein Modell gut genug ist. Es zeigt Ihnen, woran es scheitert, und überlässt Ihnen den Schluss daraus.

GuideFlow

Funktionen

Was GuideFlow ausdrücklich nicht tut

Für wen GuideFlow gedacht ist

Warum das lokal läuft

Was GuideFlow ausdrücklich nicht tut

Plattformen