Roboflow

Roboflow tiene todo lo que necesita para construir y desplegar modelos de visión por ordenador. Conecte Roboflow en cualquier paso de su proceso con API y SDK, o utilice la interfaz integral para automatizar todo el proceso, desde la imagen hasta la inferencia. Tanto si necesita etiquetar datos, entrenar modelos o implantar modelos, Roboflow le proporciona los bloques de construcción para aportar soluciones personalizadas de visión por ordenador a su proyecto.

En esta guía, vamos a mostrar cómo encontrar, etiquetar y organizar datos para utilizarlos en el entrenamiento de un modelo personalizado de Ultralytics YOLO11 . Utilice la tabla de contenidos para ir directamente a una sección específica:

• Recopilación de datos para entrenar un modelo personalizado YOLO11
• Carga, conversión y etiquetado de datos para el formato YOLO11
• Preprocesamiento y aumento de datos para reforzar el modelo
• Gestión de conjuntos de datos para YOLO11
• Exportación de datos en más de 40 formatos para el entrenamiento de modelos
• Cargue los pesos personalizados del modelo YOLO11 para probarlos e implantarlos
• Recopilación de datos para entrenar un modelo personalizado YOLO11

Roboflow ofrece dos servicios que pueden ayudarle a recopilar datos para los modelos de YOLO11 : Universe y Collect.

Universe es un repositorio en línea con más de 250.000 conjuntos de datos de visión que suman más de 100 millones de imágenes.

Con una cuenta gratuita en Roboflow , puede exportar cualquier conjunto de datos disponible en Universe. Para exportar un conjunto de datos, haga clic en el botón "Descargar este conjunto de datos" de cualquier conjunto de datos.

Para YOLO11, seleccione "YOLO11" como formato de exportación:

Universe también tiene una página que agrega todos los modelos públicos de YOLO11 ajustados con precisión que se han subido a Roboflow. Puede utilizar esta página para explorar modelos preentrenados que puede utilizar para realizar pruebas o para el etiquetado automático de datos o para crear prototipos con la inferencia deRoboflow .

Si quieres recoger imágenes tú mismo, prueba Collect, un proyecto de código abierto que te permite recoger imágenes automáticamente utilizando una webcam en el borde. Con Collect puedes utilizar mensajes de texto o imágenes para indicar qué datos deben recopilarse, lo que te permite capturar solo los datos útiles que necesitas para construir tu modelo de visión.

Cargar, convertir y etiquetar datos para el formato YOLO11

Roboflow Annotate es una herramienta de anotación en línea que permite etiquetar imágenes para la detección, clasificación y segmentación de objetos.

Para etiquetar datos para un modelo de detección de objetos, segmentación de instancias o clasificación de YOLO11 , cree primero un proyecto en Roboflow.

A continuación, cargue sus imágenes y cualquier anotación preexistente que tenga de otras herramientas(utilizando uno de los más de 40 formatos de importación compatibles) en Roboflow.

Seleccione el lote de imágenes que ha cargado en la página Anotar a la que se le lleva después de cargar las imágenes. A continuación, haga clic en "Empezar a anotar" para etiquetar las imágenes.

Para etiquetar con recuadros delimitadores, pulse la tecla B de tu teclado o haz clic en el icono del recuadro de la barra lateral. Haga clic en el punto en el que desea iniciar su cuadro delimitadory arrastre para crear la caja:

Aparecerá una ventana emergente que le pedirá que seleccione una clase para su anotación una vez que haya creado una anotación.

Para etiquetar con polígonos, pulse la tecla P de su teclado, o el icono de polígono de la barra lateral. Con la herramienta de anotación de polígonos activada, haga clic en puntos individuales de la imagen para dibujar un polígono.

Roboflow ofrece un asistente de etiquetado basado en SAM con el que podrá etiquetar imágenes más rápido que nunca. SAM (Segment Anything Model) es un modelo de visión por ordenador de última generación que puede etiquetar imágenes con precisión. Con SAM, puede acelerar considerablemente el proceso de etiquetado de imágenes. Anotar imágenes con polígonos se convierte en algo tan sencillo como unos pocos clics, en lugar del tedioso proceso de hacer clic con precisión en puntos alrededor de un objeto.

Para utilizar el asistente de etiquetas, haga clic en el icono del cursor de la barra lateral; se cargará SAM para utilizarlo en su proyecto.

Pase el ratón por encima de cualquier objeto de la imagen y SAM le recomendará una anotación. Puedes pasar el ratón por encima para encontrar el lugar adecuado para la anotación y, a continuación, hacer clic para crearla. Para modificar su anotación y hacerla más o menos específica, puede hacer clic dentro o fuera de la anotación que SAM ha creado en el documento.

También puedes añadir etiquetas a las imágenes desde el panel Etiquetas de la barra lateral. Puede aplicar etiquetas a datos de una zona concreta, tomados con una cámara específica, etc. A continuación, puede utilizar estas etiquetas para buscar en los datos imágenes que coincidan con una etiqueta y generar versiones de un conjunto de datos con imágenes que contengan una etiqueta o un conjunto de etiquetas concreto.

Los modelos alojados en Roboflow pueden utilizarse con Label Assist, una herramienta de anotación automática que utiliza su modelo YOLO11 para recomendar anotaciones. Para utilizar Label Assist, cargue primero un modelo YOLO11 en Roboflow (consulte las instrucciones más adelante en la guía). A continuación, haga clic en el icono de la varita mágica de la barra lateral izquierda y seleccione su modelo para utilizarlo en Label Assist.

Elija un modelo y haga clic en "Continuar" para activar Label Assist:

Cuando abra nuevas imágenes para anotarlas, Label Assist activará y recomendará anotaciones.

Gestión de conjuntos de datos para YOLO11

Roboflow ofrece un conjunto de herramientas para comprender los conjuntos de datos de visión por ordenador.

En primer lugar, puede utilizar la búsqueda de conjuntos de datos para encontrar imágenes que cumplan una descripción semántica de texto (es decir, encontrar todas las imágenes que contengan personas), o que cumplan una etiqueta especificada (es decir, que la imagen esté asociada a una etiqueta específica). Para utilizar la búsqueda de conjuntos de datos, haga clic en "Conjunto de datos" en la barra lateral. A continuación, introduzca una consulta de búsqueda utilizando la barra de búsqueda y los filtros asociados en la parte superior de la página.

Por ejemplo, la siguiente consulta de texto busca imágenes que contengan personas en un conjunto de datos:

Puede limitar la búsqueda a las imágenes con una etiqueta determinada mediante el selector "Etiquetas":

Antes de empezar a entrenar un modelo con su conjunto de datos, le recomendamos que utilice Roboflow Health Check, una herramienta web que proporciona una visión de su conjunto de datos y de cómo puede mejorarlo antes de entrenar un modelo de visión.

Para utilizar Health Check, haga clic en el enlace "Health Check" de la barra lateral. Aparecerá una lista de estadísticas que muestran el tamaño medio de las imágenes de su conjunto de datos, el equilibrio de clases, un mapa de calor de dónde se encuentran las anotaciones en sus imágenes, etc.

Health Check puede recomendar cambios que ayuden a mejorar el rendimiento del conjunto de datos. Por ejemplo, la función de equilibrio de clases puede mostrar que existe un desequilibrio en las etiquetas que, si se resuelve, puede mejorar el rendimiento del modelo.

Exportación de datos en más de 40 formatos para la formación de modelos

Para exportar sus datos, necesitará una versión del conjunto de datos. Una versión es un estado de su conjunto de datos congelado en el tiempo. Para crear una versión, primero haga clic en "Versiones" en la barra lateral. A continuación, haga clic en el botón "Crear nueva versión". En esta página, podrá elegir las ampliaciones y los pasos de preprocesamiento que desee aplicar a su conjunto de datos:

Para cada aumento que seleccione, aparecerá una ventana emergente que le permitirá ajustar el aumento a sus necesidades. A continuación se muestra un ejemplo de ajuste de un aumento de luminosidad con los parámetros especificados:

Una vez generada la versión del conjunto de datos, puede exportar los datos a varios formatos. Haga clic en el botón "Exportar conjunto de datos" de la página de la versión del conjunto de datos para exportar los datos:

Ya está listo para entrenar YOLO11 en un conjunto de datos personalizado. Siga esta guía escrita y el vídeo de YouTube para obtener instrucciones paso a paso o consulte la documentación deUltralytics .

Cargue los pesos personalizados del modelo YOLO11 para su prueba e implantación

Roboflow ofrece una API escalable para modelos desplegados y SDK para su uso con NVIDIA Jetson, Luxonis OAK, Raspberry Pi, dispositivos basados en GPU, etc.

Puede desplegar los modelos de YOLO11 cargando los pesos de YOLO11 en Roboflow. Puede hacerlo con unas pocas líneas de código de Python . Cree un nuevo archivo Python y añada el siguiente código:

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/")

En este código, sustituya el ID de proyecto y el ID de versión por los valores de su cuenta y proyecto. Aprenda a recuperar su clave API en Roboflow .

Cuando ejecutes el código anterior, se te pedirá que te autentiques. A continuación, se cargará tu modelo y se creará una API para tu proyecto. Este proceso puede tardar hasta 30 minutos en completarse.

Para probar su modelo y encontrar instrucciones de despliegue para los SDK compatibles, vaya a la pestaña "Desplegar" de la barra lateral Roboflow . En la parte superior de esta página aparecerá un widget con el que podrás probar tu modelo. Puedes utilizar tu cámara web para realizar pruebas en directo o subir imágenes o vídeos.

También puede utilizar su modelo cargado como asistente de etiquetado. Esta función utiliza su modelo entrenado para recomendar anotaciones en las imágenes cargadas en Roboflow.

Cómo evaluar los modelos YOLO11

Roboflow ofrece una serie de funciones para evaluar los modelos.

Una vez que haya cargado un modelo en Roboflow, podrá acceder a nuestra herramienta de evaluación de modelos, que proporciona una matriz de confusión que muestra el rendimiento de su modelo, así como un gráfico de análisis vectorial interactivo. Estas funciones pueden ayudarle a encontrar oportunidades para mejorar su modelo.

Para acceder a una matriz de confusión, vaya a la página de su modelo en el tablero de mandos Roboflow y, a continuación, haga clic en "Ver evaluación detallada":

Aparecerá una ventana emergente con una matriz de confusión:

Pase el ratón por encima de una casilla de la matriz de confusión para ver el valor asociado a la casilla. Haga clic en una casilla para ver las imágenes de la categoría correspondiente. Haga clic en una imagen para ver las predicciones del modelo y los datos reales asociados a esa imagen.

Para obtener más información, haga clic en Análisis vectorial. Se mostrará un gráfico de dispersión de las imágenes del conjunto de datos, calculado mediante CLIP. Cuanto más cerca estén las imágenes en el gráfico, más similares son semánticamente. Cada imagen se representa como un punto de color entre blanco y rojo. Cuanto más rojo es el punto, peor ha funcionado el modelo.

Puede utilizar el Análisis Vectorial para:

• Encontrar grupos de imágenes;
• Identificar los clusters en los que el modelo funciona mal, y;
• Visualice los puntos en común entre las imágenes en las que el modelo obtiene malos resultados.

Recursos de aprendizaje

¿Quiere saber más sobre el uso de Roboflow para crear modelos YOLO11 ? Los siguientes recursos pueden resultarle útiles.

• Entrene YOLO11 en un conjunto de datos personalizado: Siga nuestro cuaderno interactivo que le muestra cómo entrenar un modelo YOLO11 en un conjunto de datos personalizado.
• Autodistill: Utiliza modelos de visión de grandes cimientos para etiquetar datos para modelos específicos. Puede etiquetar imágenes para utilizarlas en el entrenamiento de modelos de clasificación, detección y segmentación de YOLO11 con Autodistill.
• Supervisión: Un paquete de Python con útiles utilidades para trabajar con modelos de visión por ordenador. Puede utilizar la supervisión para filtrar detecciones, calcular matrices de confusión y mucho más, todo ello en unas pocas líneas de código de Python .
• Roboflow Blog: El blog Roboflow contiene más de 500 artículos sobre visión por ordenador, que abarcan temas desde cómo entrenar un modelo YOLO11 hasta las mejores prácticas de anotación.
• Roboflow Canal de YouTube: Explora docenas de guías de visión por ordenador en profundidad en nuestro canal de YouTube, que abarcan temas desde el entrenamiento de modelos YOLO11 hasta el etiquetado automatizado de imágenes.

Proyectos

A continuación figuran algunos de los muchos comentarios que hemos recibido sobre el uso conjunto de YOLO11 y Roboflow para crear modelos de visión por ordenador.

PREGUNTAS FRECUENTES

¿Cómo etiqueto los datos de los modelos YOLO11 utilizando Roboflow?

Etiquetar datos para modelos YOLO11 utilizando Roboflow es sencillo con Roboflow Annotate. En primer lugar, cree un proyecto en Roboflow y cargue sus imágenes. Después de subirlas, selecciona el lote de imágenes y haz clic en "Start Annotating". Puede utilizar la función B para cuadros delimitadores o la tecla P para polígonos. Para una anotación más rápida, utilice el asistente de etiquetas basado en SAM haciendo clic en el icono del cursor de la barra lateral. Encontrará los pasos detallados en aquí.

¿Qué servicios ofrece Roboflow para recopilardatos de formación YOLO11 ?

Roboflow proporciona dos servicios clave para la recogida de datos de formación YOLO11 : Universe y Collect. Universe ofrece acceso a más de 250.000 conjuntos de datos de visión, mientras que Collect ayuda a recopilar imágenes mediante una cámara web y mensajes automáticos.

¿Cómo puedo gestionar y analizar mi conjunto de datos YOLO11 utilizando Roboflow?

Roboflow ofrece sólidas herramientas de gestión de conjuntos de datos, como la búsqueda de conjuntos de datos, el etiquetado y el Health Check. Utilice la función de búsqueda para encontrar imágenes a partir de descripciones de texto o etiquetas. Health Check proporciona información sobre la calidad del conjunto de datos, mostrando el equilibrio de clases, el tamaño de las imágenes y mapas térmicos de anotaciones. Esto ayuda a optimizar el rendimiento del conjunto de datos antes de entrenar los modelos de YOLO11 . Encontrará información detallada aquí.

¿Cómo puedo exportar mi conjunto de datos YOLO11 desde Roboflow?

Para exportar su conjunto de datos YOLO11 desde Roboflow, necesita crear una versión del conjunto de datos. Haga clic en "Versiones" en la barra lateral, luego en "Crear nueva versión" y aplique los aumentos que desee. Una vez generada la versión, haga clic en "Exportar conjunto de datos" y elija el formato YOLO11 . Siga este proceso aquí.

¿Cómo puedo integrar e implantar los modelos de YOLO11 en Roboflow?

Integre y despliegue modelos YOLO11 en Roboflow cargando sus pesos YOLO11 a través de unas pocas líneas de código Python . Utilice el script proporcionado para autenticar y cargar su modelo, que creará una API para el despliegue. Para más detalles sobre el script y otras instrucciones, consulte esta sección.

¿Qué herramientas ofrece Roboflow para evaluar los modelos YOLO11 ?

Roboflow ofrece herramientas de evaluación de modelos, incluida una matriz de confusión y gráficos de análisis vectorial. Acceda a estas herramientas desde el botón "Ver evaluación detallada" de la página de su modelo. Estas funciones ayudan a identificar problemas de rendimiento del modelo y a encontrar áreas de mejora. Para más información, consulte esta sección.

Creado hace 1 año ✏️ Actualizado hace 7 días

Comentarios