Roboflow
Roboflow has everything you need to build and deploy computer vision models. Connect Roboflow at any step in your pipeline with APIs and SDKs, or use the end-to-end interface to automate the entire process from image to inference. Whether you're in need of data labeling, model training, or model deployment, Roboflow gives you building blocks to bring custom computer vision solutions to your project.
Lizenzierung
Ultralytics bietet zwei Lizenzierungsoptionen an:
- Die AGPL-3.0 Lizenz, eine von der OSI genehmigte Open-Source-Lizenz, ist ideal für Studierende und Enthusiasten.
- Die Enterprise-Lizenz für Unternehmen, die unsere KI-Modelle in ihre Produkte und Dienstleistungen einbinden möchten.
Weitere Informationen findest du unter Ultralytics Lizenzierung.
In this guide, we are going to showcase how to find, label, and organize data for use in training a custom Ultralytics YOLO11 model. Use the table of contents below to jump directly to a specific section:
- Gather data for training a custom YOLO11 model
- Upload, convert and label data for YOLO11 format
- Daten vorverarbeiten und ergänzen für die Robustheit des Modells
- Dataset management for YOLO11
- Exportiere Daten in über 40 Formaten für das Modelltraining
- Upload custom YOLO11 model weights for testing and deployment
- Gather Data for Training a Custom YOLO11 Model
Roboflow provides two services that can help you collect data for YOLO11 models: Universe and Collect.
Universe ist ein Online-Repository mit über 250.000 Bilddaten mit insgesamt über 100 Millionen Bildern.
Mit einem kostenlosen Roboflow Konto kannst du jeden auf Universe verfügbaren Datensatz exportieren. Um einen Datensatz zu exportieren, klicke auf die Schaltfläche "Diesen Datensatz herunterladen" auf einem beliebigen Datensatz.
For YOLO11, select "YOLO11" as the export format:
Universe also has a page that aggregates all public fine-tuned YOLO11 models uploaded to Roboflow. You can use this page to explore pre-trained models you can use for testing or for automated data labeling or to prototype with Roboflow inference.
Wenn du selbst Bilder sammeln möchtest, kannst du Collect ausprobieren, ein Open-Source-Projekt, mit dem du automatisch Bilder mit einer Webcam am Rand sammeln kannst. Mit Collect kannst du über Text- oder Bildaufforderungen angeben, welche Daten gesammelt werden sollen. So kannst du nur die nützlichen Daten erfassen, die du für die Erstellung deines Vision-Modells brauchst.
Upload, Convert and Label Data for YOLO11 Format
Roboflow Annotate is an online annotation tool for use in labeling images for object detection, classification, and segmentation.
To label data for a YOLO11 object detection, instance segmentation, or classification model, first create a project in Roboflow.
Als Nächstes lädst du deine Bilder und alle bereits vorhandenen Anmerkungen aus anderen Tools(mit einem der über 40 unterstützten Importformate) in Roboflow hoch.
Wähle den Stapel Bilder, den du hochgeladen hast, auf der Seite "Anmerkungen" aus, zu der du nach dem Hochladen der Bilder weitergeleitet wirst. Klicke dann auf "Mit dem Beschriften beginnen", um die Bilder zu beschriften.
Um mit Begrenzungsrahmen zu beschriften, drücke die B
key on your keyboard or click the box icon in the sidebar. Click on a point where you want to start your bounding box, then drag to create the box:
Sobald du eine Anmerkung erstellt hast, wird ein Pop-up-Fenster angezeigt, in dem du aufgefordert wirst, eine Klasse für deine Anmerkung auszuwählen.
Um mit Polygonen zu beschriften, drücke die P
Taste auf deiner Tastatur oder das Polygonsymbol in der Seitenleiste. Wenn das Polygon-Anmerkungswerkzeug aktiviert ist, klicke auf einzelne Punkte im Bild, um ein Polygon zu zeichnen.
Roboflow bietet einen SAM-basierten Beschriftungsassistenten, mit dem du Bilder schneller als je zuvor beschriften kannst. SAM (Segment Anything Model) ist ein hochmodernes Computer Vision Modell, das Bilder präzise beschriften kann. Mit SAM kannst du den Prozess der Bildbeschriftung erheblich beschleunigen. Das Beschriften von Bildern mit Polygonen wird so einfach wie ein paar Klicks, anstatt dass du mühsam Punkte um ein Objekt herum anklicken musst.
Um den Etikettenassistenten zu verwenden, klicke auf das Cursor-Symbol in der Seitenleiste. SAM wird dann zur Verwendung in deinem Projekt geladen.
Wenn du mit dem Mauszeiger über ein beliebiges Objekt im Bild fährst, schlägt SAM eine Anmerkung vor. Du kannst mit dem Mauszeiger die richtige Stelle für die Anmerkung suchen und dann darauf klicken, um deine Anmerkung zu erstellen. Wenn du deine Anmerkung mehr oder weniger spezifisch gestalten möchtest, kannst du innerhalb oder außerhalb der Anmerkung klicken, die SAM auf dem Dokument erstellt hat.
Du kannst den Bildern auch Tags über das Panel Tags in der Seitenleiste hinzufügen. Du kannst Daten aus einem bestimmten Gebiet, die von einer bestimmten Kamera aufgenommen wurden, mit Tags versehen und vieles mehr. Anhand dieser Tags kannst du dann die Daten nach Bildern durchsuchen, die einem Tag entsprechen, und Versionen eines Datensatzes mit Bildern erstellen, die ein bestimmtes Tag oder einen Satz von Tags enthalten.
Models hosted on Roboflow can be used with Label Assist, an automated annotation tool that uses your YOLO11 model to recommend annotations. To use Label Assist, first upload a YOLO11 model to Roboflow (see instructions later in the guide). Then, click the magic wand icon in the left sidebar and select your model for use in Label Assist.
Wähle ein Modell aus und klicke dann auf "Weiter", um den Etikettenassistenten zu aktivieren:
Wenn du neue Bilder zum Beschriften öffnest, löst Label Assist Anmerkungen aus und empfiehlt sie.
Dataset Management for YOLO11
Roboflow bietet eine Reihe von Werkzeugen für das Verstehen von Computer-Vision-Datensätzen.
Erstens kannst du die Datensatzsuche verwenden, um Bilder zu finden, die einer semantischen Textbeschreibung entsprechen (z. B. alle Bilder finden, die Personen enthalten) oder die einer bestimmten Bezeichnung entsprechen (d. h. das Bild ist mit einem bestimmten Tag verbunden). Um die Datensatzsuche zu nutzen, klicke in der Seitenleiste auf "Datensatz". Gib dann über die Suchleiste und die entsprechenden Filter oben auf der Seite eine Suchanfrage ein.
Die folgende Textabfrage findet zum Beispiel Bilder, die Personen in einem Datensatz enthalten:
Mit dem Selektor "Tags" kannst du deine Suche auf Bilder mit einem bestimmten Tag eingrenzen:
Bevor du anfängst, ein Modell mit deinem Datensatz zu trainieren, empfehlen wir dir Roboflow Health Check, ein Webtool, das dir einen Einblick in deinen Datensatz gibt und dir zeigt, wie du den Datensatz vor dem Training eines Bildverarbeitungsmodells verbessern kannst.
Um Health Check zu nutzen, klicke auf den Link "Health Check" in der Seitenleiste. Es wird eine Liste mit Statistiken angezeigt, die die durchschnittliche Größe der Bilder in deinem Datensatz, die Klassenbalance, eine Heatmap, die zeigt, wo sich Anmerkungen in deinen Bildern befinden, und vieles mehr.
Der Health Check kann Änderungen empfehlen, um die Leistung des Datensatzes zu verbessern. Die Funktion "Klassenbalance" kann zum Beispiel ein Ungleichgewicht bei den Bezeichnungen aufzeigen, das die Leistung deines Modells verbessern kann.
Exportiere Daten in über 40 Formaten für die Modellschulung
Um deine Daten zu exportieren, brauchst du eine Datensatzversion. Eine Version ist ein in der Zeit eingefrorener Zustand deines Datensatzes. Um eine Version zu erstellen, klicke zunächst auf "Versionen" in der Seitenleiste. Dann klickst du auf die Schaltfläche "Neue Version erstellen". Auf dieser Seite kannst du Erweiterungen und Vorverarbeitungsschritte auswählen, die du auf deinen Datensatz anwenden möchtest:
Für jede Augmentierung, die du auswählst, erscheint ein Pop-up-Fenster, in dem du die Augmentierung auf deine Bedürfnisse abstimmen kannst. Hier ist ein Beispiel für die Einstellung einer Helligkeitssteigerung innerhalb bestimmter Parameter:
Wenn du deine Datensatzversion erstellt hast, kannst du deine Daten in eine Reihe von Formaten exportieren. Klicke auf die Schaltfläche "Datensatz exportieren" auf der Seite mit deiner Datensatzversion, um deine Daten zu exportieren:
You are now ready to train YOLO11 on a custom dataset. Follow this written guide and YouTube video for step-by-step instructions or refer to the Ultralytics documentation.
Upload Custom YOLO11 Model Weights for Testing and Deployment
Roboflow bietet eine unendlich skalierbare API für die Bereitstellung von Modellen und SDKs für die Verwendung mit NVIDIA Jetsons, Luxonis OAKs, Raspberry Pis, GPU-basierten Geräten und mehr.
You can deploy YOLO11 models by uploading YOLO11 weights to Roboflow. You can do this in a few lines of Python code. Create a new Python file and add the following code:
import roboflow # install with 'pip install roboflow'
roboflow.login()
rf = roboflow.Roboflow()
project = rf.workspace(WORKSPACE_ID).project("football-players-detection-3zvbc")
dataset = project.version(VERSION).download("yolov8")
project.version(dataset.version).deploy(model_type="yolov8", model_path=f"{HOME}/runs/detect/train/")
Ersetze in diesem Code die Projekt-ID und die Versions-ID durch die Werte für dein Konto und dein Projekt. Erfahre, wie du deinen Roboflow API-Schlüssel abrufst.
Wenn du den obigen Code ausführst, wirst du aufgefordert, dich zu authentifizieren. Dann wird dein Modell hochgeladen und eine API für dein Projekt erstellt. Dieser Vorgang kann bis zu 30 Minuten in Anspruch nehmen.
Um dein Modell zu testen und Anweisungen für die Bereitstellung der unterstützten SDKs zu finden, gehe auf den Reiter "Bereitstellung" in der Seitenleiste von Roboflow . Oben auf dieser Seite wird ein Widget angezeigt, mit dem du dein Modell testen kannst. Du kannst deine Webcam für Live-Tests verwenden oder Bilder oder Videos hochladen.
Du kannst dein hochgeladenes Modell auch als Beschriftungsassistent verwenden. Diese Funktion nutzt dein trainiertes Modell, um Anmerkungen zu den auf Roboflow hochgeladenen Bildern zu empfehlen.
How to Evaluate YOLO11 Models
Roboflow bietet eine Reihe von Funktionen für die Bewertung von Modellen.
Once you have uploaded a model to Roboflow, you can access our model evaluation tool, which provides a confusion matrix showing the performance of your model as well as an interactive vector analysis plot. These features can help you find opportunities to improve your model.
Um eine Verwechslungsmatrix aufzurufen, gehst du auf deine Modellseite im Roboflow Dashboard und klickst dann auf "Detaillierte Bewertung anzeigen":
Es erscheint ein Pop-up-Fenster mit einer Verwechslungsmatrix:
Bewege den Mauszeiger über ein Kästchen in der Verwirrungsmatrix, um den dazugehörigen Wert zu sehen. Klicke auf ein Kästchen, um die Bilder der jeweiligen Kategorie zu sehen. Klicke auf ein Bild, um die Modellvorhersagen und die Wahrheitsdaten zu diesem Bild anzuzeigen.
Für weitere Einblicke klickst du auf Vektoranalyse. Daraufhin wird ein Streudiagramm der Bilder in deinem Datensatz angezeigt, das mit CLIP berechnet wurde. Je näher die Bilder in der Grafik beieinander liegen, desto ähnlicher sind sie sich in semantischer Hinsicht. Jedes Bild wird als ein Punkt mit einer Farbe zwischen weiß und rot dargestellt. Je roter der Punkt ist, desto schlechter hat das Modell abgeschnitten.
Du kannst die Vektoranalyse nutzen, um:
- Finde Cluster von Bildern;
- Identifiziere Cluster, in denen das Modell schlecht abschneidet, und;
- Visualisiere Gemeinsamkeiten zwischen Bildern, bei denen das Modell schlecht abschneidet.
Lernressourcen
Want to learn more about using Roboflow for creating YOLO11 models? The following resources may be helpful in your work.
- Train YOLO11 on a Custom Dataset: Follow our interactive notebook that shows you how to train a YOLO11 model on a custom dataset.
- Autodistill: Use large foundation vision models to label data for specific models. You can label images for use in training YOLO11 classification, detection, and segmentation models with Autodistill.
- Supervision: Ein Python Paket mit hilfreichen Dienstprogrammen für die Arbeit mit Computer Vision Modellen. Du kannst Supervision nutzen, um Erkennungen zu filtern, Konfusionsmatrizen zu berechnen und vieles mehr - und das alles mit ein paar Zeilen Python Code.
- Roboflow Blog: The Roboflow Blog features over 500 articles on computer vision, covering topics from how to train a YOLO11 model to annotation best practices.
- Roboflow YouTube channel: Browse dozens of in-depth computer vision guides on our YouTube channel, covering topics from training YOLO11 models to automated image labeling.
Projekt Schaufenster
Below are a few of the many pieces of feedback we have received for using YOLO11 and Roboflow together to create computer vision models.
FAQ
How do I label data for YOLO11 models using Roboflow?
Labeling data for YOLO11 models using Roboflow is straightforward with Roboflow Annotate. First, create a project on Roboflow and upload your images. After uploading, select the batch of images and click "Start Annotating." You can use the B
Taste für Begrenzungsrahmen oder die P
Taste für Polygone. Für eine schnellere Beschriftung kannst du den SAM-basierten Beschriftungsassistenten verwenden, indem du auf das Cursorsymbol in der Seitenleiste klickst. Detaillierte Schritte findest du hier.
What services does Roboflow offer for collecting YOLO11 training data?
Roboflow provides two key services for collecting YOLO11 training data: Universe and Collect. Universe offers access to over 250,000 vision datasets, while Collect helps you gather images using a webcam and automated prompts.
How can I manage and analyze my YOLO11 dataset using Roboflow?
Roboflow offers robust dataset management tools, including dataset search, tagging, and Health Check. Use the search feature to find images based on text descriptions or tags. Health Check provides insights into dataset quality, showing class balance, image sizes, and annotation heatmaps. This helps optimize dataset performance before training YOLO11 models. Detailed information can be found here.
How do I export my YOLO11 dataset from Roboflow?
To export your YOLO11 dataset from Roboflow, you need to create a dataset version. Click "Versions" in the sidebar, then "Create New Version" and apply any desired augmentations. Once the version is generated, click "Export Dataset" and choose the YOLO11 format. Follow this process here.
How can I integrate and deploy YOLO11 models with Roboflow?
Integrate and deploy YOLO11 models on Roboflow by uploading your YOLO11 weights through a few lines of Python code. Use the provided script to authenticate and upload your model, which will create an API for deployment. For details on the script and further instructions, see this section.
What tools does Roboflow provide for evaluating YOLO11 models?
Roboflow bietet Tools zur Modellbewertung, darunter eine Konfusionsmatrix und Vektoranalyseplots. Du erreichst diese Tools über die Schaltfläche "Detaillierte Auswertung anzeigen" auf deiner Modellseite. Diese Funktionen helfen dabei, Probleme mit der Modellleistung zu erkennen und Verbesserungsmöglichkeiten zu finden. Weitere Informationen findest du in diesem Abschnitt.