Roboflow

Roboflow proporciona herramientas para el etiquetado de datos y la exportación de conjuntos de datos en varios formatos, incluido YOLO. Esta guía cubre el etiquetado, la exportación y la implementación de datos para Ultralytics YOLO .

Esta guía demuestra cómo encontrar, etiquetar y organizar datos para entrenar un modelo Ultralytics YOLO26 personalizado utilizando Roboflow.

• Recopilar datos para la formación
• Datos de la etiqueta
• Gestión de conjuntos de datos
• Exportar Datos
• Implementar modelos
• Evaluar modelos
• Preguntas frecuentes

Recopilar datos para entrenar un modelo YOLO26 personalizado

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

Roboflow Universe

Roboflow es un repositorio en línea de conjuntos de datos de visión. Puede exportar conjuntos de datos en YOLO para utilizarlos con Ultralytics .

Roboflow Collect

Si prefiere recopilar imágenes usted mismo, Roboflow Collect es un proyecto de código abierto que permite la recopilación automática de imágenes a través de una cámara web en dispositivos periféricos. Puede utilizar texto o indicaciones de imagen para especificar los datos que se van a recopilar, lo que ayuda a capturar solo las imágenes necesarias para su modelo de visión.

Subir, convertir y etiquetar datos para el formato YOLO26

Roboflow Annotate es una herramienta en línea para etiquetar imágenes para diversas tareas de visión artificial, incluyendo la detección de objetos, la clasificación y la segmentación.

Etiquetar datos para Ultralytics YOLO , cree un proyecto en Roboflow, cargue sus imágenes y comience a anotarlas.

Herramientas de anotación

• Anotación de Cajas Delimitadoras: Presionar B o haz clic en el icono de la caja. Haz clic y arrastra 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. Presione P o haz clic en el icono del polígono. Haz clic en los puntos alrededor del objeto para dibujar el polígono.

Asistente de etiquetado (integración SAM)

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

Para usar el asistente de etiquetado, haga clic en el icono del cursor en la barra lateral. SAM se habilitará para su proyecto.

Pase el ratón por encima de un objeto y SAM puede sugerir 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 utilizando el panel de etiquetas en la barra lateral. Las etiquetas pueden representar atributos como la ubicación, la fuente de la cámara, etc. Estas etiquetas le permiten buscar imágenes específicas y generar versiones de conjuntos de datos que contengan imágenes con etiquetas concretas.

Asistencia de etiquetado (basada en modelos)

Los modelos alojados en Roboflow se Roboflow utilizar con Label Assist para sugerir anotaciones. Sube los pesos YOLO tu YOLO a Roboflow consulta las instrucciones más abajo) y, a continuación, activa Label Assist mediante el icono de la varita mágica situado en la barra lateral.

Gestión de conjuntos de datos para YOLO26

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

Búsqueda de conjuntos de datos

Utilice la búsqueda de conjuntos de datos para encontrar imágenes basadas en descripciones de texto o etiquetas específicas. Acceda a esta función haciendo clic en «Conjunto de datos» en la barra lateral.

Comprobación del estado

Antes del entrenamiento, utiliza Roboflow Health Check para obtener información sobre tu conjunto de datos e identificar posibles mejoras. Accede a él a través del enlace de la barra lateral "Health Check". Proporciona estadísticas sobre los tamaños de las imágenes, el equilibrio de las clases, los mapas de calor de las anotaciones y mucho más.

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

Preprocesar y aumentar los datos para la robustez del 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, luego en "Crear nueva versión". Aquí, puede aplicar pasos de preprocesamiento y aumentos de datos para mejorar potencialmente la robustez del modelo.

Para cada aumento seleccionado, una ventana emergente le permite ajustar sus parámetros, como el brillo. El aumento adecuado puede mejorar significativamente la generalización del modelo, un concepto clave que se analiza en nuestra guía de consejos para el entrenamiento de modelos.

Exporta datos en más de 40 formatos para el entrenamiento de modelos

Una vez que se genera la versión de tu dataset, puedes exportarla en varios formatos adecuados para el entrenamiento del modelo. Haz clic en el botón "Export Dataset" (Exportar Dataset) en la página de la versión.

Seleccione el formato "YOLO26" para compatibilidad con los pipelines de entrenamiento de Ultralytics. Ahora está listo para entrenar su modelo YOLO26 personalizado. Consulte la documentación del modo de entrenamiento de Ultralytics para obtener instrucciones detalladas sobre cómo iniciar el entrenamiento con su conjunto de datos exportado.

Subir pesos de modelos YOLO26 personalizados para pruebas y despliegue

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

Puede desplegar modelos YOLO26 subiendo sus pesos a Roboflow utilizando un script de Python simple.

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 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.")

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

Cuando ejecute el código anterior, se le pedirá que se autentique (normalmente a través de una clave API). A continuación, su modelo se cargará 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 implementación para los SDK compatibles, vaya a la pestaña "Deploy" en la barra lateral de Roboflow. En la parte superior de esta página, aparecerá un widget que le permitirá probar su modelo utilizando su cámara web o cargando imágenes o vídeos.

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

Cómo evaluar modelos YOLO26

Roboflow proporciona funciones para evaluar el rendimiento del modelo. Comprender las métricas de rendimiento es crucial para la iteración del modelo.

Después de subir un modelo, accede a la herramienta de evaluación del modelo a través de la página de tu modelo en el panel de Roboflow. Haz clic en "Ver Evaluación Detallada".

Esta herramienta muestra una matriz de confusión que ilustra el rendimiento del modelo y un diagrama de análisis vectorial interactivo que utiliza incrustaciones CLIP. Estas características ayudan a identificar áreas para la mejora del modelo.

La ventana emergente de la matriz de confusión:

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

Haga clic en "Análisis vectorial" para obtener un diagrama de dispersión que visualice la similitud de las imágenes basándose en las incrustaciones CLIP. Las imágenes más juntas son semánticamente similares. Los puntos representan imágenes, coloreadas de blanco (buen rendimiento) a rojo (mal rendimiento).

El análisis vectorial ayuda a:

• Identificar clústeres de imágenes.
• Identifica los clústeres donde el modelo tiene un rendimiento deficiente.
• Comprender las características comunes entre las imágenes que causan un rendimiento deficiente.

Recursos de aprendizaje

• Entrena YOLO un conjunto de datos personalizado (Colab): Cuaderno interactivo Google para entrenar con tus datos.
• YOLO deUltralytics YOLO : Entrenamiento, exportación e implementación de YOLO .
• Ultralytics : Artículos sobre visión artificial y entrenamiento de modelos.
• Ultralytics : Guías en vídeo sobre el entrenamiento y la implementación de modelos.

Preguntas frecuentes

¿Cómo etiqueto datos para modelos YOLO26 usando Roboflow?

Utilice Roboflow Annotate. Cree un proyecto, suba imágenes y utilice las herramientas de anotación (B para cajas delimitadoras, P para polígonos) o el asistente de etiquetado basado en SAM para un etiquetado más rápido. Los pasos detallados están disponibles en Sección de Carga, Conversión y Etiquetado de Datos.

¿Qué servicios ofrece Roboflow para la recopilación de datos de entrenamiento de YOLO26?

Roboflow ofrece Universe (acceso a numerosos conjuntos de datos) y Collect (recopilación automatizada de imágenes a través de webcam). Estos pueden ayudar a adquirir los datos de entrenamiento necesarios para su modelo YOLO26, complementando las estrategias descritas en nuestra Guía de Recopilación de Datos.

¿Cómo puedo gestionar y analizar mi conjunto de datos de YOLO26 utilizando Roboflow?

Utiliza la búsqueda de conjuntos de datos, el etiquetado y las funciones de Health Check de Roboflow. La búsqueda encuentra imágenes por texto o etiquetas, mientras que Health Check analiza la calidad del conjunto de datos (balance de clases, tamaños de imagen, etc.) para guiar las mejoras antes del entrenamiento. Consulta la sección de Gestión de Conjuntos de Datos para obtener más detalles.

¿Cómo exporto mi conjunto de datos de YOLO26 desde Roboflow?

Cree una versión del conjunto de datos en Roboflow, aplique el preprocesamiento y las aumentaciones deseados, luego haga clic en "Exportar conjunto de datos" y seleccione el formato YOLO26. El proceso se describe en la sección Exportar Datos. Esto prepara sus datos para su uso con los pipelines de entrenamiento de Ultralytics.

¿Cómo puedo integrar y desplegar modelos YOLO26 con Roboflow?

Suba los pesos de su modelo YOLO26 entrenado a Roboflow utilizando el script de Python proporcionado. Esto crea un endpoint de API desplegable. Consulte la sección Subir Pesos Personalizados para el script y las instrucciones. Explore más opciones de despliegue en nuestra documentación.

📅 Creado hace 2 años ✏️ Actualizado hace 5 días

Comentarios