Erste Schritte

Roboflow

Roboflow bietet Werkzeuge zur Datenbeschriftung und zum Export von Datensätzen in verschiedenen Formaten, darunter YOLO. Diese Anleitung behandelt die Beschriftung und den Export von Daten sowie die Bereitstellung von Ultralytics-YOLO-Modellen.

Lizenzierung

Ultralytics bietet zwei Lizenzoptionen für unterschiedliche Anwendungsfälle:

  • AGPL-3.0-Lizenz: Diese von der OSI genehmigte Open-Source-Lizenz eignet sich ideal für Studierende und Enthusiasten und fördert offene Zusammenarbeit und den Wissensaustausch. Weitere Informationen findest du in der Datei LICENSE.
  • Unternehmenslizenz: Diese Lizenz ermöglicht die Entwicklung und den produktiven Einsatz von Ultralytics-Software und KI-Modellen in geschäftlichen Produkten und Diensten, darunter interne Werkzeuge, automatisierte Arbeitsabläufe und produktive Bereitstellungen. Damit entfallen die Open-Source-Anforderungen der AGPL-3.0. Wende dich für den Einstieg an uns über Ultralytics Licensing.

Weitere Informationen findest du auf der Seite zu den Ultralytics-Lizenzen.

Diese Anleitung zeigt, wie du mit Roboflow Daten für ein benutzerdefiniertes Ultralytics-YOLO26-Modell findest, kennzeichnest und organisierst.

Daten für das Training eines benutzerdefinierten YOLO26-Modells sammeln#

Roboflow bietet zwei Hauptdienste zur Unterstützung der Datensammlung für Ultralytics-YOLO-Modelle: Universe und Collect.

Roboflow Universe#

Roboflow Universe ist ein Online-Archiv für Bildverarbeitungs-Datensätze. Du kannst Datensätze im YOLO-Format exportieren und mit Ultralytics-Modellen verwenden.

Roboflow Collect#

Wenn du Bilder lieber selbst sammeln möchtest, kannst du mit Roboflow Collect, einem Open-Source-Projekt, auf Edge-Geräten automatisch Bilder über eine Webcam erfassen. Mit Text- oder Bildvorgaben kannst du die zu erfassenden Daten festlegen und so gezielt nur die Bilder aufnehmen, die dein Bildverarbeitungsmodell benötigt.

Daten für das YOLO26-Format hochladen, konvertieren und kennzeichnen#

Roboflow Annotate ist ein Online-Werkzeug zur Beschriftung von Bildern für verschiedene Computer-Vision-Aufgaben, darunter Objekterkennung, Klassifizierung und Segmentierung.

Um Daten für ein Ultralytics-YOLO-Modell zu beschriften, erstelle ein Projekt in Roboflow, lade deine Bilder hoch und beginne mit der Annotation.

Annotationswerkzeuge#

  • Begrenzungsrahmen annotieren: Drücke B oder klicke auf das Rahmensymbol. Klicke und ziehe, um den Begrenzungsrahmen zu erstellen. In einem Pop-up wirst du aufgefordert, eine Klasse für die Annotation auszuwählen.
  • Polygon annotieren: Wird für die Instanzsegmentierung verwendet. Drücke P oder klicke auf das Polygonsymbol. Klicke auf Punkte rund um das Objekt, um das Polygon zu zeichnen.

Kennzeichnungsassistent (SAM-Integration)#

Roboflow integriert einen auf Segment Anything Model (SAM) basierenden Beschriftungsassistenten, der die Annotation beschleunigt.

Um den Kennzeichnungsassistenten zu verwenden, klicke in der Seitenleiste auf das Cursor-Symbol. SAM wird für dein Projekt aktiviert.

Bewege den Mauszeiger über ein Objekt. SAM schlägt möglicherweise eine Annotation vor. Klicke, um die Annotation zu übernehmen. Du kannst die Genauigkeit der Annotation anpassen, indem du innerhalb oder außerhalb des vorgeschlagenen Bereichs klickst.

Tags#

Über das Tags-Bedienfeld in der Seitenleiste kannst du Bildern Tags hinzufügen. Tags können Merkmale wie Standort oder Kameraquelle angeben. Damit kannst du gezielt nach Bildern suchen und Datensatzversionen mit Bildern erstellen, die bestimmte Tags tragen.

Kennzeichnungsassistent (modellbasiert)#

Auf Roboflow gehostete Modelle können mit Label Assist verwendet werden, um Annotationen vorzuschlagen. Lade deine YOLO-Modellgewichte zu Roboflow hoch (siehe Anleitung unten) und aktiviere anschließend Label Assist über das Zauberstab-Symbol in der Seitenleiste.

Datensatzverwaltung für YOLO26#

Roboflow bietet verschiedene Werkzeuge, mit denen du deine Computer-Vision-Datensätze verstehen und verwalten kannst.

Mit der Datensatzsuche findest du Bilder anhand von Textbeschreibungen oder bestimmten Labels und Tags. Klicke in der Seitenleiste auf „Dataset“, um diese Funktion aufzurufen.

Zustandsprüfung#

Nutze vor dem Training Roboflow Health Check, um Einblicke in deinen Datensatz zu erhalten und mögliche Verbesserungen zu erkennen. Rufe die Funktion über den Link „Health Check“ in der Seitenleiste auf. Sie liefert Statistiken zu Bildgrößen, Klassenverteilung, Annotations-Heatmaps und mehr.

Roboflow Health Check analysis dashboard

Health Check kann Änderungen zur Leistungssteigerung vorschlagen, etwa den Ausgleich von Klassen, die in der Klassenverteilung erkannt wurden. Für ein effektives Modelltraining ist es wichtig, den Zustand des Datensatzes zu verstehen.

Daten vorverarbeiten und erweitern, um die Robustheit des Modells zu erhöhen#

Um deine Daten zu exportieren, musst du eine Datensatzversion erstellen. Dabei handelt es sich um eine Momentaufnahme deines Datensatzes zu einem bestimmten Zeitpunkt. Klicke in der Seitenleiste auf „Versions“ und anschließend auf „Create New Version“. Hier kannst du Schritte zur Vorverarbeitung und Datenerweiterung anwenden, um die Robustheit des Modells möglicherweise zu verbessern.

Creating Roboflow dataset version with augmentation

Für jede ausgewählte Datenerweiterung kannst du in einem Pop-up die Parameter, etwa die Helligkeit, fein abstimmen. Geeignete Datenerweiterungen können die Generalisierungsfähigkeit des Modells deutlich verbessern. Dieses wichtige Konzept wird in unserer Anleitung mit Tipps zum Modelltraining behandelt.

Daten in über 40 Formaten für das Modelltraining exportieren#

Sobald deine Datensatzversion erstellt wurde, kannst du sie in verschiedenen Formaten exportieren, die sich für das Modelltraining eignen. Klicke auf der Versionsseite auf die Schaltfläche „Export Dataset“.

Roboflow dataset export to YOLO format

Wähle das Format „YOLO26“, damit es mit den Ultralytics-Trainingsabläufen kompatibel ist. Jetzt kannst du dein benutzerdefiniertes YOLO26-Modell trainieren.

Benutzerdefinierte YOLO26-Modellgewichte zum Testen und Bereitstellen hochladen#

Roboflow bietet eine skalierbare API für bereitgestellte Modelle sowie SDKs, die mit Geräten wie NVIDIA Jetson, Luxonis OAK, Raspberry Pi und GPU-basierten Systemen kompatibel sind. In unseren Anleitungen findest du verschiedene Optionen zur Modellbereitstellung.

Du kannst YOLO26-Modelle bereitstellen, indem du ihre Gewichte mit einem einfachen Python-Skript zu Roboflow hochlädst.

Erstelle eine neue Python-Datei und füge den folgenden Code ein:

import roboflow  # install with 'pip install roboflow'

# Log in to Roboflow (requires API key)
roboflow.login()

# Initialize Roboflow client
rf = roboflow.Roboflow()

# Define your workspace and project details
WORKSPACE_ID = "your-workspace-id"  # Replace with your actual Workspace ID
PROJECT_ID = "your-project-id"  # Replace with your actual Project ID
VERSION = 1  # Replace with your desired dataset version number
MODEL_PATH = "path/to/your/runs/detect/train/"  # Replace with the path to your YOLO26 training results directory

# Get project and version
project = rf.workspace(WORKSPACE_ID).project(PROJECT_ID)
dataset = project.version(VERSION)

# Upload model weights for deployment
# Ensure MODEL_PATH points to the directory containing 'best.pt'
dataset.deploy(
    model_type="yolo26n",
    model_path=MODEL_PATH,
)  # Match model_type to your model size and task, e.g. "yolo26s" or "yolo26n-seg"

print(f"Model from {MODEL_PATH} uploaded to Roboflow project {PROJECT_ID}, version {VERSION}.")
print("Deployment may take up to 30 minutes.")

Ersetze in diesem Code your-workspace-id, your-project-id, die Zahl VERSION und MODEL_PATH durch die Werte für dein Roboflow-Konto, dein Projekt und das lokale Verzeichnis mit den Trainingsergebnissen. Achte darauf, dass MODEL_PATH korrekt auf das Verzeichnis mit deiner trainierten Gewichtsdatei best.pt verweist.

Wenn du den obigen Code ausführst, wirst du aufgefordert, dich zu authentifizieren, üblicherweise mit einem API-Schlüssel. Anschließend wird dein Modell hochgeladen und ein API-Endpunkt für dein Projekt erstellt. Dieser Vorgang kann bis zu 30 Minuten dauern.

Um dein Modell zu testen und Anleitungen zur Bereitstellung mit unterstützten SDKs zu finden, öffne im Roboflow-Seitenmenü die Registerkarte „Deploy“. Oben auf der Seite wird ein Widget angezeigt, mit dem du dein Modell über die Webcam oder durch Hochladen von Bildern oder Videos testen kannst.

Roboflow deployment widget for model inference

Du kannst dein hochgeladenes Modell auch als Kennzeichnungsassistent verwenden, der anhand seines Trainings Annotationen für neue Bilder vorschlägt.

YOLO26-Modelle evaluieren#

Roboflow bietet Funktionen zur Bewertung der Modellleistung. Das Verständnis von Leistungskennzahlen ist für die Weiterentwicklung des Modells entscheidend.

Nach dem Hochladen eines Modells kannst du das Werkzeug zur Modellevaluierung über die Modellseite im Roboflow-Dashboard aufrufen. Klicke auf „View Detailed Evaluation“.

Initiating a Roboflow model evaluation

Dieses Werkzeug zeigt eine Konfusionsmatrix, die die Modellleistung veranschaulicht, sowie ein interaktives Diagramm zur Vektoranalyse auf Basis von CLIP-Einbettungen. Diese Funktionen helfen dabei, Bereiche mit Verbesserungspotenzial für das Modell zu erkennen.

Das Pop-up der Konfusionsmatrix:

A confusion matrix displayed in Roboflow

Bewege den Mauszeiger über die Zellen, um Werte anzuzeigen, und klicke auf die Zellen, um die zugehörigen Bilder mit den Modellvorhersagen und den tatsächlichen Daten zu sehen.

Klicke auf „Vector Analysis“, um ein Streudiagramm zur Bildähnlichkeit auf Basis von CLIP-Einbettungen anzuzeigen. Bilder, die näher beieinander liegen, sind semantisch ähnlich. Die Punkte stehen für Bilder und sind je nach Leistung von Weiß (gut) bis Rot (schlecht) eingefärbt.

Roboflow vector analysis plot using CLIP embeddings

Die Vektoranalyse hilft dabei:

  • Bildcluster zu erkennen.
  • Cluster zu finden, in denen das Modell schlecht abschneidet.
  • Gemeinsamkeiten zwischen Bildern zu erkennen, die zu einer schlechten Leistung führen.

Lernressourcen#

Häufig gestellte Fragen#

  • Verwende Roboflow Annotate. Erstelle ein Projekt, lade Bilder hoch und nutze die Annotationswerkzeuge (B für Begrenzungsrahmen, P für Polygone) oder den SAM-basierten Beschriftungsassistenten, um die Beschriftung zu beschleunigen.

  • Roboflow bietet Universe (Zugriff auf zahlreiche Datensätze) und Collect (automatisierte Bildaufnahme über eine Webcam). Damit kannst du die nötigen Trainingsdaten für dein YOLO26-Modell sammeln und die in unserer Anleitung zur Datensammlung beschriebenen Strategien ergänzen.

  • Nutze die Funktionen Datensatzsuche, Tagging und Health Check von Roboflow. Mit der Suche findest du Bilder anhand von Text oder Tags. Health Check analysiert die Datensatzqualität (Klassenverteilung, Bildgrößen usw.), um Verbesserungsmöglichkeiten vor dem Training aufzuzeigen.

  • Erstelle eine Datensatzversion in Roboflow, wende die gewünschten Vorverarbeitungs- und Erweiterungsschritte an, klicke dann auf „Export Dataset“ und wähle das YOLO26-Format aus. Damit bereitest du deine Daten für die Verwendung in den Ultralytics-Trainingsabläufen vor.

  • Lade deine trainierten YOLO26-Gewichte mithilfe des bereitgestellten Python-Skripts zu Roboflow hoch. Dadurch wird ein API-Endpunkt erstellt, über den du das Modell bereitstellen kannst. Das Skript und die Anleitung findest du im Abschnitt Benutzerdefinierte Gewichte hochladen. Weitere Bereitstellungsoptionen findest du in unserer Dokumentation.

Kommentare

Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.