Link to this sectionRoboflow#

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

Esta guía demuestra cómo buscar, etiquetar y organizar datos para entrenar un modelo personalizado de Ultralytics YOLO26 usando Roboflow.

• Recopilar datos para el entrenamiento
• Etiquetar datos
• Gestión de conjuntos de datos
• Exportar datos
• Desplegar modelos
• Evaluar modelos
• Preguntas frecuentes

Link to this sectionRecopilar datos para el entrenamiento de un modelo YOLO26 personalizado#

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

Link to this sectionRoboflow Universe#

Roboflow Universe es un repositorio en línea de conjuntos de datos de visión. Puedes exportar conjuntos de datos en formato YOLO para su uso con modelos de Ultralytics.

Link to this sectionRoboflow Collect#

Si prefieres recopilar imágenes tú 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 (edge devices). Puedes usar prompts de texto o imagen para especificar los datos que se recopilarán, lo que ayuda a capturar solo las imágenes necesarias para tu modelo de visión.

Link to this sectionSubir, convertir y etiquetar datos para el formato YOLO26#

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

Para etiquetar datos para un modelo YOLO de Ultralytics, crea un proyecto en Roboflow, sube tus imágenes y comienza a anotar.

Link to this sectionHerramientas de anotación#

• Anotación de cuadro delimitador (Bounding Box): Pulsa B o haz clic en el icono de cuadro. Haz clic y arrastra para crear el cuadro delimitador. Aparecerá una ventana emergente que te pedirá que selecciones una clase para la anotación.
• Anotación de polígono: Utilizada para la segmentación de instancias. Pulsa P o haz clic en el icono de polígono. Haz clic en puntos alrededor del objeto para dibujar el polígono.

Link to this sectionAsistente de etiquetado (integración con SAM)#

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

Para utilizar el asistente de etiquetado, haz clic en el icono del cursor en la barra lateral. SAM se habilitará para tu proyecto.

Pasa el ratón por encima de un objeto y SAM podría sugerir una anotación. Haz clic para aceptar la anotación. Puedes refinar la especificidad de la anotación haciendo clic dentro o fuera del área sugerida.

Link to this sectionEtiquetado (Tagging)#

Puedes añadir etiquetas (tags) a las imágenes mediante el panel Tags en la barra lateral. Las etiquetas pueden representar atributos como ubicación, fuente de la cámara, etc. Estas etiquetas te permiten buscar imágenes específicas y generar versiones de conjuntos de datos que contengan imágenes con etiquetas particulares.

Link to this sectionAsistente de etiquetado (basado en modelos)#

Los modelos alojados en Roboflow pueden utilizarse con el asistente de etiquetado (Label Assist) para sugerir anotaciones. Sube los pesos de tu modelo YOLO a Roboflow (consulta las instrucciones a continuación) y luego activa Label Assist a través del icono de la varita mágica en la barra lateral.

Link to this sectionGestión de conjuntos de datos para YOLO26#

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

Link to this sectionBúsqueda de conjuntos de datos#

Utiliza la búsqueda de conjuntos de datos para encontrar imágenes basadas en descripciones de texto o etiquetas específicas. Accede a esta función haciendo clic en "Dataset" en la barra lateral.

Link to this sectionComprobación de salud (Health Check)#

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

Health Check podría 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 de modelos eficaz.

Link to this sectionPreprocesar y aumentar datos para la robustez del modelo#

Para exportar tus datos, debes crear una versión del conjunto de datos, que es una instantánea de tu conjunto de datos en un momento específico. Haz clic en "Versions" en la barra lateral y, a continuación, en "Create New Version". Aquí puedes aplicar pasos de preprocesamiento y aumentos de datos para mejorar potencialmente la robustez del modelo.

Para cada aumento seleccionado, una ventana emergente te permite ajustar 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.

Link to this sectionExportar datos en más de 40 formatos para el entrenamiento de modelos#

Una vez generada la versión de tu conjunto de datos, puedes exportarla en varios formatos adecuados para el entrenamiento de modelos. Haz clic en el botón "Export Dataset" en la página de la versión.

Selecciona el formato "YOLO26" para la compatibilidad con las canalizaciones de entrenamiento de Ultralytics. Ya estás listo para entrenar tu modelo YOLO26 personalizado. Consulta la documentación del modo de entrenamiento de Ultralytics para obtener instrucciones detalladas sobre cómo iniciar el entrenamiento con tu conjunto de datos exportado.

Link to this sectionSubir pesos de modelos YOLO26 personalizados para pruebas y despliegue#

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

Puedes desplegar modelos YOLO26 subiendo sus pesos a Roboflow mediante un sencillo script de Python.

Crea un nuevo archivo de 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, sustituye your-workspace-id, your-project-id, el número de VERSION y el MODEL_PATH por los valores específicos de tu cuenta de Roboflow, tu proyecto y el directorio de resultados del entrenamiento local. Asegúrate de que MODEL_PATH apunte correctamente al directorio que contiene tu archivo de pesos entrenados best.pt.

Cuando ejecutes el código anterior, se te pedirá que te autentiques (normalmente mediante una clave API). A continuación, se subirá tu modelo y se creará un endpoint de API para tu proyecto. Este proceso puede tardar hasta 30 minutos en completarse.

Para probar tu modelo y encontrar instrucciones de despliegue para los SDK compatibles, ve a la pestaña "Deploy" en la barra lateral de Roboflow. En la parte superior de esta página, aparecerá un widget que te permitirá probar tu modelo mediante tu cámara web o subiendo imágenes o vídeos.

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

Link to this sectionCómo evaluar modelos YOLO26#

Roboflow ofrece 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 control de Roboflow. Haz clic en "View Detailed Evaluation".

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 para la mejora del modelo.

La ventana emergente de la matriz de confusión:

Pasa el ratón sobre las celdas para ver los valores y haz clic en las celdas para ver las imágenes correspondientes con las predicciones del modelo y los datos de verdad terreno (ground truth).

Haz clic en "Vector Analysis" para obtener un gráfico de dispersión que visualiza la similitud de las imágenes basado en incrustaciones CLIP. Las imágenes más cercanas entre sí son semánticamente similares. Los puntos representan imágenes, coloreados desde el blanco (buen rendimiento) hasta el rojo (mal rendimiento).

El análisis vectorial ayuda a:

• Identificar agrupaciones (clusters) de imágenes.
• Localizar agrupaciones donde el modelo tiene un rendimiento deficiente.
• Comprender los puntos en común entre las imágenes que causan un rendimiento deficiente.

Link to this sectionRecursos de aprendizaje#

• Entrenar YOLO en un conjunto de datos personalizado (Colab): Cuaderno interactivo de Google Colab para entrenar con tus datos.
• Documentación de Ultralytics YOLO: Entrenamiento, exportación y despliegue de modelos YOLO.
• Blog de Ultralytics: Artículos sobre visión artificial y entrenamiento de modelos.
• YouTube de Ultralytics: Guías en vídeo sobre entrenamiento y despliegue de modelos.

Link to this sectionPreguntas frecuentes#

Link to this section¿Cómo etiqueto datos para modelos YOLO26 utilizando Roboflow?#

Utiliza Roboflow Annotate. Crea un proyecto, sube imágenes y utiliza las herramientas de anotación (B para cuadros delimitadores, P para polígonos) o el asistente de etiquetado basado en SAM para un etiquetado más rápido. Los pasos detallados están disponibles en la sección Subir, convertir y etiquetar datos.

Link to this section¿Qué servicios ofrece Roboflow para recopilar datos de entrenamiento de YOLO26?#

Roboflow proporciona Universe (acceso a numerosos conjuntos de datos) y Collect (recopilación automatizada de imágenes mediante cámara web). Estos pueden ayudar a adquirir los datos de entrenamiento necesarios para tu modelo YOLO26, complementando las estrategias descritas en nuestra Guía de recopilación de datos.

Link to this section¿Cómo puedo gestionar y analizar mi conjunto de datos de YOLO26 utilizando Roboflow?#

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

Link to this section¿Cómo exporto mi conjunto de datos de YOLO26 desde Roboflow?#

Crea una versión del conjunto de datos en Roboflow, aplica el preprocesamiento y aumentos deseados, luego haz clic en "Export Dataset" y selecciona el formato YOLO26. El proceso se detalla en la sección Exportar datos. Esto prepara tus datos para su uso con las canalizaciones de entrenamiento de Ultralytics.

Link to this section¿Cómo puedo integrar y desplegar modelos YOLO26 con Roboflow?#

Sube tus pesos entrenados de YOLO26 a Roboflow utilizando el script de Python proporcionado. Esto crea un endpoint de API desplegable. Consulta la sección Subir pesos personalizados para obtener el script y las instrucciones. Explora más opciones de despliegue en nuestra documentación.