Integración de Roboflow

Roboflow proporciona un conjunto de herramientas diseñadas para construir y desplegar modelos de visión por ordenador. Puede integrar Roboflow en varias fases de su proceso de desarrollo utilizando sus API y SDK, o utilizar su interfaz integral para gestionar el proceso desde la recogida de imágenes hasta la inferencia. Roboflow ofrece funcionalidades para el etiquetado de datos, el entrenamiento de modelos y el despliegue de modelos, proporcionando componentes para el desarrollo de soluciones personalizadas de visión por computador junto con las herramientas de Ultralytics .

Esta guía muestra cómo encontrar, etiquetar y organizar los datos para entrenar una aplicación personalizada de Ultralytics YOLO11 utilizando Roboflow.

• Recopilación de datos para entrenar un modelo personalizado YOLO11
• Cargar, convertir y etiquetar datos para el formato YOLO11
• Preprocesar y aumentar los datos para reforzar el modelo
• Gestión de conjuntos de datos para YOLO11
• Exportación de datos en más de 40 formatos para la formación de modelos
• Cargue los pesos personalizados del modelo YOLO11 para su prueba e implantación
• Cómo evaluar los modelos YOLO11
• Recursos de aprendizaje
• Proyectos
• PREGUNTAS FRECUENTES

Recopilación de datos para entrenar un modelo personalizado YOLO11

Roboflow ofrece dos servicios principales para ayudar en la recopilación de datos paralos modelosYOLO Ultralytics : Universe y Collect. Para obtener más información general sobre las estrategias de recopilación de datos, consulte nuestra Guía de recopilación de datos y anotación.

Roboflow Universo

Roboflow Universe es un repositorio en línea con un gran número de conjuntos de datos de visión.

Con una cuenta Roboflow , puede exportar los conjuntos de datos disponibles en Universe. Para exportar un conjunto de datos, utilice el botón "Descargar este conjunto de datos" en la página del conjunto de datos correspondiente.

Para compatibilidad con Ultralytics YOLO11seleccioneYOLO11" como formato de exportación:

Universe también cuenta con una página que agrega modelos YOLO afinados subidos a Roboflow. Esto puede ser útil para explorar modelos preentrenados para pruebas o etiquetado automático de datos.

Roboflow Recoger

Si prefiere recoger las imágenes usted mismo, Roboflow Collect es un proyecto de código abierto que permite la recogida automática de imágenes a través de una cámara web en dispositivos Edge. Puede utilizar texto o imágenes para especificar los datos que desea recopilar, lo que le ayudará a capturar solo las imágenes necesarias para su modelo de visión.

Cargar, convertir y etiquetar datos para el formato YOLO11

Roboflow Annotate es una herramienta en línea que permite etiquetar imágenes para diversas tareas de visión por ordenador, como la detección, clasificación y segmentación de objetos.

Etiquetar datos para un Ultralytics YOLO de Ultralytics (que admite detección, segmentación de instancias, clasificación, estimación de poses y OBB), comience por crear un proyecto en Roboflow.

A continuación, cargue en Roboflow sus imágenes y las anotaciones existentes en otras herramientas.

Después de cargarlas, se te dirigirá a la página de Anotaciones. Seleccione el lote de imágenes cargadas y haga clic en "Iniciar anotación" para empezar a etiquetar.

Herramientas de anotación

• Anotación del cuadro delimitador: Pulse B o haga clic en el icono de la caja. Haga clic y arrastre para crear el cuadro delimitador. Una ventana emergente le pedirá que seleccione una clase para la anotación.

• Anotación de polígonos: Utilizado para segmentación de instancias. Pulse P o haga clic en el icono del polígono. Haga clic en puntos alrededor del objeto para dibujar el polígono.

Asistente de etiquetasSAM integraciónSAM )

Roboflow integra un asistente de etiquetado basado en el modelo Segment Anything Model (SAM) para acelerar potencialmente la anotación.

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

Pase el ratón por encima de un objeto y SAM podrá sugerirle una anotación. Haga clic para aceptar la anotación. Puede refinar la especificidad de la anotación haciendo clic dentro o fuera del área sugerida.

Etiquetado

Puede añadir etiquetas a las imágenes mediante el panel Etiquetas de la barra lateral. Las etiquetas pueden representar atributos como la ubicación, el origen de la cámara, etc. Estas etiquetas le permiten buscar imágenes específicas y generar versiones de conjuntos de datos que contengan imágenes con determinadas etiquetas.

Label Assist (basado en modelos)

Los modelos alojados en Roboflow pueden utilizarse con Label Assist, una herramienta de anotación automatizada que aprovecha su formación. YOLO11 para sugerir anotaciones. En primer lugar, cargue los pesos de su modelo YOLO11 en Roboflow (véanse las instrucciones más abajo). A continuación, active Label Assist haciendo clic en el icono de la varita mágica de la barra lateral izquierda y seleccionando su modelo.

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

Al abrir nuevas imágenes para su anotación, Label Assist puede sugerir automáticamente anotaciones basadas en las predicciones de su modelo.

Gestión de conjuntos de datos para YOLO11

Roboflow proporciona varias herramientas para comprender y gestionar sus conjuntos de datos de visión por ordenador.

Búsqueda de conjuntos de datos

Utilice la búsqueda de conjuntos de datos para encontrar imágenes basándose en descripciones semánticas de texto (por ejemplo, "buscar todas las imágenes que contengan personas") o en etiquetas específicas. Acceda a esta función haciendo clic en "Conjunto de datos" en la barra lateral y utilizando la barra de búsqueda y los filtros.

Por ejemplo, buscar imágenes que contengan personas:

Puede afinar las búsquedas utilizando etiquetas mediante el selector "Etiquetas":

Chequeo médico

Antes del entrenamiento, utilice Roboflow Health Check para obtener información sobre su conjunto de datos e identificar posibles mejoras. Acceda a él a través del enlace "Health Check" de la barra lateral. Proporciona estadísticas sobre el tamaño de las imágenes, el equilibrio de clases, mapas térmicos de anotaciones, etc.

Health Check puede sugerir cambios para mejorar el rendimiento, como abordar los desequilibrios de clase identificados en la función de equilibrio de clase. Comprender la salud del conjunto de datos es crucial para un entrenamiento eficaz del modelo.

Preprocesar y aumentar los datos para reforzar el modelo

Para exportar sus datos, necesita crear una versión del conjunto de datos, que es una instantánea de su conjunto de datos en un momento específico. Haga clic en "Versiones" en la barra lateral y, a continuación, en "Crear nueva versión". Aquí puede aplicar pasos de preprocesamiento y aumentos de datos para mejorar potencialmente la solidez del modelo.

Para cada aumento seleccionado, una ventana emergente permite ajustar con precisión sus parámetros, como el brillo. Un aumento adecuado puede mejorar significativamente la generalización del modelo, un concepto clave tratado en nuestra guía de consejos para el entrenamiento de modelos.

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

Una vez generada la versión de su conjunto de datos, puede exportarlo en varios formatos adecuados para el entrenamiento de modelos. Haga clic en el botón "Exportar conjunto de datos" de la página de versiones.

Seleccione el formatoYOLO11" para que sea compatible con los canales de formación Ultralytics . Ya está listo para entrenar su YOLO11 personalizado. Consulte la documentación del modo de entrenamientoUltralytics Ultralytics para obtener instrucciones detalladas sobre cómo iniciar el entrenamiento con el conjunto de datos exportado.

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

Roboflow ofrece una API escalable para modelos desplegados y SDK compatibles con dispositivos como NVIDIA Jetson, Luxonis OAK, Raspberry Pi y sistemas GPU. Explora varias opciones de despliegue de modelos en nuestras guías.

Puede desplegar los modelos YOLO11 cargando sus pesos en Roboflow mediante un sencillo programa Python de Python.

Crea un nuevo archivo Python y añade el siguiente código:

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 YOLO11 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'
project.version(dataset.version).deploy(
    model_type="yolov8", model_path=MODEL_PATH
)  # Note: Use "yolov8" as model_type for YOLO11 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.")

En este código, sustituya your-workspace-id, your-project-idEl VERSION y el número MODEL_PATH con los valores específicos de su cuenta Roboflow , proyecto y directorio local de resultados de formación. Asegúrese de que los valores MODEL_PATH apunta correctamente al directorio que contiene su best.pt archivo de pesos.

Cuando ejecutes el código anterior, se te pedirá que te autentiques (normalmente a través de una clave API). A continuación, se cargará su modelo y se creará un punto final de API para su 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" en la barra lateral Roboflow . En la parte superior de esta página, aparecerá un widget que le permitirá probar su modelo utilizando su cámara web o subiendo imágenes o vídeos.

Su modelo cargado también puede utilizarse como asistente de etiquetado, sugiriendo anotaciones en nuevas imágenes basadas en su entrenamiento.

Cómo evaluar los modelos YOLO11

Roboflow ofrece funciones para evaluar el rendimiento de los modelos. Comprender las métricas de rendimiento es crucial para la iteración de modelos.

Después de cargar un modelo, acceda a la herramienta de evaluación de modelos a través de la página de su modelo en el panel de control de Roboflow . Haga clic en "Ver evaluación detallada".

Esta herramienta muestra una matriz de confusión que ilustra el rendimiento del modelo y un gráfico interactivo de análisis vectorial mediante incrustaciones CLIP. Estas funciones ayudan a identificar áreas de mejora del modelo.

La matriz de la confusión emergente:

Pase el ratón por encima de las celdas para ver los valores y haga clic en ellas para ver las imágenes correspondientes con las predicciones del modelo y los datos reales.

Haga clic en "Análisis vectorial" para ver un gráfico de dispersión en el que se visualiza la similitud de las imágenes a partir de las incrustaciones CLIP. Las imágenes más cercanas son semánticamente similares. Los puntos representan imágenes, coloreadas de blanco (buen rendimiento) a rojo (mal rendimiento).

El análisis vectorial ayuda:

• Identificar grupos de imágenes.
• Señale los grupos en los que el modelo funciona mal.
• Comprender los puntos en común entre las imágenes que causan un rendimiento deficiente.

Recursos de aprendizaje

Explore estos recursos para obtener más información sobre el uso de Roboflow con Ultralytics YOLO11:

• Entrenar YOLO11 en un conjunto de datos personalizado (Colab): Un cuaderno interactivo de Google Colab que le guiará en el entrenamiento de YOLO11 con sus datos.
• DocumentaciónYOLO11 : Obtenga información sobre la formación, la exportación y el despliegue de modelos YOLO11 en el marco de Ultralytics .
• BlogUltralytics : Contiene artículos sobre visión por ordenador, incluidas las mejores prácticas de formación y anotación YOLO11 .
• Canal YouTubeUltralytics : Ofrece guías de vídeo en profundidad sobre temas de visión por ordenador, desde la formación de modelos hasta el etiquetado automatizado y la implantación.

Proyectos

Comentarios de usuarios que combinan Ultralytics YOLO11 y Roboflow:

PREGUNTAS FRECUENTES

Preguntas frecuentes

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

Utilice Roboflow Annotate. Cree un proyecto, cargue imágenes y utilice las herramientas de anotación (B para cuadros delimitadores, P para polígonos) o el asistente de etiquetado SAM para un etiquetado más rápido. Los pasos detallados están disponibles en el Sección de carga, conversión y etiquetado de datos.

¿Qué servicios ofrece Roboflow para recopilar datos de formación YOLO11 ?

Roboflow proporciona Universe (acceso a numerosos conjuntos de datos) y Collect (recogida automática de imágenes a través de una cámara web). Estas herramientas pueden ayudarle a obtener los datos de entrenamiento necesarios para su modelo YOLO11 , complementando las estrategias descritas en nuestra Guía de recopilación de datos.

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

Utilice las funciones de búsqueda de conjuntos de datos, etiquetado y comprobación del estado de Roboflow. La búsqueda encuentra imágenes por texto o etiquetas, mientras que el chequeo analiza la calidad del conjunto de datos (equilibrio de clases, tamaño de las imágenes, etc.) para orientar las mejoras antes del entrenamiento. Consulte la sección Gestión de conjuntos de datos para obtener más información.

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

Cree una versión del conjunto de datos en Roboflow, aplique el preprocesamiento y los aumentos deseados y, a continuación, haga clic en "Exportar conjunto de datos" y seleccione el formato YOLO11 . El proceso se describe en la sección Exportar datos. Esto prepara sus datos para su uso conlos pipelines de entrenamiento Ultralytics .

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

Sube tus pesos YOLO11 entrenados a Roboflow utilizando el script Python proporcionado. Esto crea un punto final de API desplegable. Consulte la sección Cargar pesos personalizados para obtener el script y las instrucciones. Explore otras opciones de despliegue en nuestra documentación.

Creado hace 1 año ✏️ Actualizado hace 23 días

Comentarios