Zum Inhalt springen

Roboflow Datens├Ątze

Du kannst jetzt Roboflow verwenden, um deine Datens├Ątze f├╝r das Training von YOLOv5 ­čÜÇ Modellen zu organisieren, zu beschriften, vorzubereiten, zu versionieren und zu hosten. Roboflow kann kostenlos mit YOLOv5 verwendet werden, wenn du deinen Arbeitsbereich ├Âffentlich machst.

Lizenzierung

Ultralytics bietet zwei Lizenzierungsoptionen an:

Weitere Informationen findest du unter Ultralytics Lizenzierung.

Hochladen

Roboflow Du kannst deine Daten ├╝ber die Web UI, REST API oder Python.

Kennzeichnung

Nachdem du Daten auf Roboflow hochgeladen hast, kannst du deine Daten beschriften und fr├╝here Beschriftungen ├╝berpr├╝fen.

Roboflow Kommentiere

Versionierung

Du kannst Versionen deines Datensatzes mit verschiedenen Vorverarbeitungs- und Offline-Augmentierungsoptionen erstellen. YOLOv5 f├╝hrt Online-Augmentierungen von Haus aus durch, also sei vorsichtig, wenn du die Offline-Augmentierungen von Roboflow dar├╝berlegst.

Roboflow Vorverarbeitung

Daten exportieren

Du kannst deine Daten im Format YOLOv5 herunterladen, um schnell mit dem Training zu beginnen.

from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")

Individuelle Ausbildung

Wir haben ein benutzerdefiniertes Trainingstutorial ver├Âffentlicht, das alle oben genannten Funktionen demonstriert. Du kannst den Code hier aufrufen:

In Colab ├Âffnen

Aktives Lernen

Die reale Welt ist chaotisch und dein Modell wird unweigerlich auf Situationen sto├čen, die dein Datensatz nicht vorhergesehen hat. Aktives Lernen ist eine wichtige Strategie, um deinen Datensatz und dein Modell iterativ zu verbessern. Mit der Integration von Roboflow und YOLOv5 kannst du deine Modelle schnell verbessern, indem du eine erprobte Pipeline f├╝r maschinelles Lernen verwendest.

Roboflow aktives Lernen

Unterst├╝tzte Umgebungen

Ultralytics bietet eine Reihe gebrauchsfertiger Umgebungen, die jeweils mit wichtigen Abh├Ąngigkeiten wie CUDA, CUDNN vorinstalliert sind, Python, und PyTorch, um deine Projekte zu starten.

Projektstatus

YOLOv5 CI

Dieses Abzeichen zeigt an, dass alle YOLOv5 GitHub Actions Continuous Integration (CI) Tests erfolgreich bestanden wurden. Diese CI-Tests ├╝berpr├╝fen die Funktionalit├Ąt und Leistung von YOLOv5 in verschiedenen Schl├╝sselbereichen: Training, Validierung, Inferenz, Export und Benchmarks. Sie gew├Ąhrleisten einen konsistenten und zuverl├Ąssigen Betrieb unter macOS, Windows und Ubuntu. Die Tests werden alle 24 Stunden und bei jeder neuen ├ťbertragung durchgef├╝hrt.



Erstellt am 2023-11-12, Aktualisiert am 2024-01-21
Autoren: glenn-jocher (6)

Kommentare