Roboflow

Roboflow bietet Tools für die Datenkennzeichnung und den Export von Datensätzen in verschiedenen Formaten, darunter YOLO. Dieser Leitfaden behandelt die Kennzeichnung, den Export und die Bereitstellung von Daten für Ultralytics YOLO -Modelle.

Dieser Leitfaden zeigt, wie Daten für das Training eines benutzerdefinierten Ultralytics YOLO26-Modells mit Roboflow gefunden, beschriftet und organisiert werden.

• Daten für das Training sammeln
• Etikettendaten
• Datensatzverwaltung
• Daten exportieren
• Modelle bereitstellen
• Modelle bewerten
• FAQ

Daten für das Training eines benutzerdefinierten YOLO26-Modells sammeln

Roboflow bietet zwei Hauptdienste zur Unterstützung der Datenerfassung für Ultralytics YOLO Modelle: Universe und Collect. Weitere allgemeine Informationen zu Strategien der Datenerfassung finden Sie in unserem Leitfaden zur Datenerfassung und -annotation.

Roboflow Universe

Roboflow ist ein Online-Repository für Bilddaten-Sets. Sie können Datensätze im YOLO exportieren, um sie mit Ultralytics zu verwenden.

Roboflow Collect

Wenn Sie es vorziehen, Bilder selbst zu sammeln, ist Roboflow Collect ein Open-Source-Projekt, das die automatische Bilderfassung über eine Webcam auf Edge-Geräten ermöglicht. Sie können Text- oder Bildaufforderungen verwenden, um die zu erfassenden Daten anzugeben, sodass nur die für Ihr Vision-Modell erforderlichen Bilder erfasst werden.

Daten für das YOLO26-Format hochladen, konvertieren und beschriften

Roboflow Annotate ist ein Online-Tool zur Kennzeichnung von Bildern für verschiedene Computer-Vision-Aufgaben, einschließlich Objekterkennung, Klassifizierung und Segmentierung.

Daten für Ultralytics kennzeichnen Ultralytics YOLO Modell zu kennzeichnen, erstellen Sie ein Projekt in Roboflow, laden Sie Ihre Bilder hoch und beginnen Sie mit der Annotation.

Annotationstools

• Bounding-Box-Annotation: Drücken Sie B oder klicke auf das Kastensymbol. Klicken und ziehen, um das zu erstellen Begrenzungsrahmen. Ein Popup-Fenster fordert Sie auf, eine Klasse für die Annotation auszuwählen.
• Polygon-Annotation: Wird verwendet für Instanzsegmentierung. Drücken Sie P oder klicke auf das Polygon-Symbol. Klicke auf Punkte um das Objekt herum, um das Polygon zu zeichnen.

Label Assistant (SAM Integration)

Roboflow integriert einen Segment Anything Model (SAM)-basierten Label-Assistenten, um die Annotation potenziell zu beschleunigen.

Um den Label-Assistenten zu verwenden, klicken Sie auf das Cursorsymbol in der Seitenleiste. SAM wird für Ihr Projekt aktiviert.

Bewegen Sie den Mauszeiger über ein Objekt, und SAM schlägt möglicherweise eine Anmerkung vor. Klicken Sie, um die Anmerkung zu akzeptieren. Sie können die Spezifität der Anmerkung verfeinern, indem Sie in den vorgeschlagenen Bereich oder außerhalb davon klicken.

Tagging

Sie können Bildern über das Tags-Panel in der Seitenleiste Tags hinzufügen. Tags können Attribute wie Ort, Kamerabildquelle usw. darstellen. Mithilfe dieser Tags können Sie nach bestimmten Bildern suchen und Datensatzversionen generieren, die Bilder mit bestimmten Tags enthalten.

Label Assist (modellbasiert)

Auf Roboflow gehostete Modelle Roboflow mit Label Assist verwendet werden, um Annotationen vorzuschlagen. Laden Sie Ihre YOLO auf Roboflow hoch Roboflow siehe Anweisungen unten) und aktivieren Sie dann Label Assist über das Zauberstab-Symbol in der Seitenleiste.

Dataset-Verwaltung für YOLO26

Roboflow bietet verschiedene Tools zum Verständnis und zur Verwaltung Ihrer Computer-Vision-Datensätze.

Datensatzsuche

Verwenden Sie die Datensatzsuche, um Bilder anhand von Textbeschreibungen oder bestimmten Labels/Tags zu finden. Sie können auf diese Funktion zugreifen, indem Sie in der Seitenleiste auf „Datensatz“ klicken.

Zustandsprüfung

Verwenden Sie vor dem Training den Roboflow Health Check, um Einblicke in Ihren Datensatz zu gewinnen und Verbesserungspotenziale zu identifizieren. Sie können über den Link "Health Check" in der Seitenleiste darauf zugreifen. Er liefert Statistiken über Bildgrößen, Klassenverteilung, Annotation-Heatmaps und mehr.

Die Zustandsprüfung kann Änderungen zur Leistungssteigerung vorschlagen, z. B. die Behebung von Klassenungleichgewichten, die in der Funktion zum Klassenausgleich identifiziert wurden. Das Verständnis des Zustands des Datensatzes ist entscheidend für ein effektives Modelltraining.

Datenvorverarbeitung und -erweiterung für Modellrobustheit

Um Ihre Daten zu exportieren, müssen Sie eine Datensatzversion erstellen, die eine Momentaufnahme Ihres Datensatzes zu einem bestimmten Zeitpunkt darstellt. Klicken Sie in der Seitenleiste auf „Versionen“ und dann auf „Neue Version erstellen“. Hier können Sie Vorverarbeitungsschritte und Datenaugmentierungen anwenden, um die Modellrobustheit potenziell zu verbessern.

Für jede ausgewählte Augmentierung ermöglicht ein Pop-up die Feinabstimmung der Parameter, wie z. B. der Helligkeit. Eine geeignete Augmentierung kann die Modellgeneralisierung erheblich verbessern, ein Schlüsselkonzept, das in unserem Leitfaden zu Modelltrainingstipps erläutert wird.

Daten in über 40 Formaten für das Modelltraining exportieren

Sobald Ihre Datensatzversion generiert wurde, können Sie sie in verschiedenen Formaten exportieren, die für das Modelltraining geeignet sind. Klicken Sie auf der Versionsseite auf die Schaltfläche „Datensatz exportieren“.

Wählen Sie das Format "YOLO26" für die Kompatibilität mit den Ultralytics-Trainingspipelines. Sie sind nun bereit, Ihr benutzerdefiniertes YOLO26-Modell zu trainieren. Beachten Sie die Ultralytics Train mode Dokumentation für detaillierte Anweisungen zur Initiierung des Trainings mit Ihrem exportierten Dataset.

Benutzerdefinierte YOLO26-Modellgewichte für Tests und Bereitstellung hochladen

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

Sie können YOLO26-Modelle bereitstellen, indem Sie deren Gewichte mithilfe eines einfachen Python-Skripts auf Roboflow hochladen.

Erstellen Sie eine neue python-Datei und fügen Sie den folgenden Code hinzu:

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="yolov8",
    model_path=MODEL_PATH,
)  # Note: Use "yolov8" as model_type for YOLO26 compatibility in Roboflow deployment

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

Ersetzen Sie in diesem Code your-workspace-id, your-project-idwird die VERSION Nummer und die MODEL_PATH mit den Werten, die für Ihr Roboflow-Konto, Ihr Projekt und Ihr lokales Trainingsergebnisverzeichnis spezifisch sind. Stellen Sie sicher, dass die MODEL_PATH korrekt auf das Verzeichnis verweist, das Ihre trainierten Daten enthält best.pt Gewichtsdatei.

Wenn Sie den obigen Code ausführen, werden Sie aufgefordert, sich zu authentifizieren (normalerweise über einen API-Schlüssel). Dann wird Ihr Modell hochgeladen und ein API-Endpunkt für Ihr Projekt erstellt. Dieser Vorgang kann bis zu 30 Minuten dauern.

Um Ihr Modell zu testen und Bereitstellungsanweisungen für unterstützte SDKs zu finden, gehen Sie zur Registerkarte „Deploy“ in der Roboflow-Seitenleiste. Oben auf dieser Seite wird ein Widget angezeigt, mit dem Sie Ihr Modell mithilfe Ihrer Webcam oder durch Hochladen von Bildern oder Videos testen können.

Ihr hochgeladenes Modell kann auch als Beschriftungsassistent verwendet werden, der basierend auf seinem Training Annotationen für neue Bilder vorschlägt.

Wie man YOLO26-Modelle evaluiert

Roboflow bietet Funktionen zur Bewertung der Modellleistung. Das Verständnis von Leistungsmetriken ist entscheidend für die Modelliteration.

Nach dem Hochladen eines Modells können Sie über Ihre Modellseite auf dem Roboflow-Dashboard auf das Modellbewertungstool zugreifen. Klicken Sie auf „View Detailed Evaluation“ (Detaillierte Auswertung anzeigen).

Dieses Tool zeigt eine Konfusionsmatrix zur Veranschaulichung der Modellleistung und ein interaktives Vektoranalysediagramm mit CLIP-Einbettungen an. Diese Funktionen helfen, Bereiche für Modellverbesserungen zu identifizieren.

Das Pop-up der Konfusionsmatrix:

Bewegen Sie den Mauszeiger über die Zellen, um die Werte anzuzeigen, und klicken Sie auf die Zellen, um die entsprechenden Bilder mit Modellvorhersagen und Ground-Truth-Daten anzuzeigen.

Klicken Sie auf "Vektoranalyse", um ein Streudiagramm anzuzeigen, das die Bildähnlichkeit basierend auf CLIP-Einbettungen visualisiert. Bilder, die näher beieinander liegen, sind semantisch ähnlich. Punkte stellen Bilder dar, die von weiß (gute Leistung) bis rot (schlechte Leistung) gefärbt sind.

Vektor-Analyse hilft:

• Bildcluster identifizieren.
• Präzise Lokalisierung von Clustern, in denen das Modell schlecht abschneidet.
• Gemeinsamkeiten zwischen Bildern verstehen, die zu schlechter Leistung führen.

Lernressourcen

• Trainieren Sie YOLO einem benutzerdefinierten Datensatz (Colab): Interaktives Google Notebook zum Trainieren Ihrer Daten.
• Ultralytics YOLO : Training, Exportieren und Bereitstellen von YOLO .
• Ultralytics : Artikel über Computer Vision und Modelltraining.
• Ultralytics : Videoanleitungen zum Trainieren und Bereitstellen von Modellen.

FAQ

Wie beschrifte ich Daten für YOLO26-Modelle mit Roboflow?

Verwenden Sie Roboflow Annotate. Erstellen Sie ein Projekt, laden Sie Bilder hoch und verwenden Sie die Annotationstools (B für Bounding Boxes, P für Polygone) oder den SAM-basierten Label-Assistenten für eine schnellere Beschriftung. Detaillierte Schritte sind verfügbar im Abschnitt zum Hochladen, Konvertieren und Beschriften von Daten.

Welche Dienste bietet Roboflow für die Sammlung von YOLO26-Trainingsdaten?

Roboflow bietet Universe (Zugriff auf zahlreiche Datensätze) und Collect (automatisierte Bildsammlung über Webcam). Diese können bei der Beschaffung der notwendigen Trainingsdaten für Ihr YOLO26-Modell helfen und ergänzen die in unserem Leitfaden zur Datenerfassung beschriebenen Strategien.

Wie kann ich mein YOLO26-Dataset mit Roboflow verwalten und analysieren?

Nutzen Sie die Funktionen von Roboflow zur Datensatzsuche, -tagging und -zustandsprüfung. Die Suche findet Bilder anhand von Text oder Tags, während die Zustandsprüfung die Qualität des Datensatzes analysiert (Klassenverteilung, Bildgrößen usw.), um Verbesserungen vor dem Training zu steuern. Weitere Informationen finden Sie im Abschnitt Datensatzverwaltung.

Wie exportiere ich mein YOLO26-Dataset aus Roboflow?

Erstellen Sie eine Dataset-Version in Roboflow, wenden Sie die gewünschte Vorverarbeitung und Augmentierungen an, klicken Sie dann auf „Export Dataset“ und wählen Sie das YOLO26-Format. Der Prozess ist im Abschnitt Datenexport beschrieben. Dies bereitet Ihre Daten für die Verwendung mit Ultralytics Trainings-Pipelines vor.

Wie kann ich YOLO26-Modelle mit Roboflow integrieren und bereitstellen?

Laden Sie Ihre trainierten YOLO26-Gewichte mit dem bereitgestellten python-Skript zu Roboflow hoch. Dadurch wird ein bereitstellbarer API-Endpunkt erstellt. Das Skript und die Anweisungen finden Sie im Abschnitt Benutzerdefinierte Gewichte hochladen. Weitere Bereitstellungsoptionen finden Sie in unserer Dokumentation.

📅 Erstellt vor 2 Jahren ✏️ Aktualisiert vor 5 Tagen

Kommentare