Roboflow

Roboflow tiene todo lo que necesitas para construir y desplegar modelos de visión por ordenador. Conecta Roboflow en cualquier paso de tu proceso con API y SDK, o utiliza la interfaz integral para automatizar todo el proceso, desde la imagen hasta la inferencia. Tanto si necesitas etiquetar datos, entrenar modelos o desplegar modelos, Roboflow te ofrece bloques de construcción para aportar soluciones personalizadas de visión computerizada a tu proyecto.

En esta guía, vamos a mostrar cómo encontrar, etiquetar y organizar datos para utilizarlos en el entrenamiento de un modelo personalizado de Ultralytics YOLOv8 . Utiliza el índice que aparece a continuación para saltar directamente a una sección concreta:

• Recopila datos para entrenar un modelo personalizado YOLOv8
• Carga, convierte y etiqueta los datos para el formato YOLOv8
• Preprocesa y aumenta los datos para la solidez del modelo
• Gestión de conjuntos de datos para YOLOv8
• Exporta datos en más de 40 formatos para el entrenamiento de modelos
• Sube los pesos personalizados del modelo YOLOv8 para probarlos y desplegarlos
• Recopila datos para entrenar un modelo personalizado YOLOv8

Roboflow proporciona dos servicios que pueden ayudarte a recopilar datos para los modelos de YOLOv8 : Universo y Recopilar.

Universo 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 , puedes exportar cualquier conjunto de datos disponible en Universe. Para exportar un conjunto de datos, haz clic en el botón "Descargar este conjunto de datos" de cualquier conjunto de datos.

Para YOLOv8, selecciona "YOLOv8" como formato de exportación:

Universo también tiene una página que agrega todos los modelos YOLOv8 públicos afinados subidos a Roboflow. Puedes utilizar esta página para explorar modelos preentrenados que puedes utilizar para pruebas o para el etiquetado automatizado de datos o para crear prototipos con la inferenciaRoboflow .

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 indicaciones de texto o imagen para indicar qué datos deben recogerse, lo que te permite capturar sólo los datos útiles que necesitas para construir tu modelo de visión.

Cargar, convertir y etiquetar datos para el formato YOLOv8

Roboflow Anotar es una herramienta de anotación en línea que se utiliza para 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 YOLOv8 , crea primero un proyecto en Roboflow.

A continuación, sube tus imágenes, y cualquier anotación preexistente que tengas de otras herramientas(utilizando uno de los más de 40 formatos de importación admitidos), a Roboflow.

Selecciona el lote de imágenes que has subido en la página Anotar a la que se te lleva tras subir las imágenes. A continuación, haz clic en "Empezar a anotar" para etiquetar las imágenes.

Para etiquetar con recuadros delimitadores, pulsa B de tu teclado o haz clic en el icono de caja de la barra lateral. Haz clic en un punto donde quieras empezar tu cuadro delimitador, y luego arrastra para crear el cuadro:

Aparecerá una ventana emergente pidiéndote que selecciones una clase para tu anotación una vez que la hayas creado.

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

Roboflow ofrece un asistente de etiquetado basado en SAM con el que podrás 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, puedes 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, haz clic en el icono del cursor de la barra lateral, se cargará SAM para utilizarlo en tu proyecto.

Pasa el ratón por encima de cualquier objeto de la imagen y SAM te 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 tu anotación para que sea más o menos específica, puedes 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. Puedes aplicar etiquetas a datos de una zona concreta, tomados desde una cámara específica, etc. A continuación, puedes 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 tu modelo YOLOv8 para recomendar anotaciones. Para utilizar Label Assist, primero sube un modelo YOLOv8 a Roboflow (consulta las instrucciones más adelante en la guía). A continuación, haz clic en el icono de la varita mágica de la barra lateral izquierda y selecciona tu modelo para utilizarlo en Label Assist.

Elige un modelo y haz clic en "Continuar" para activar el Asistente de Etiquetas:

Cuando abras nuevas imágenes para anotarlas, el Asistente de Etiquetas activará y recomendará anotaciones.

Gestión de conjuntos de datos para YOLOv8

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

En primer lugar, puedes utilizar la búsqueda de conjunto 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 concreta). Para utilizar la búsqueda de conjuntos de datos, haz clic en "Conjunto de datos" en la barra lateral. A continuación, introduce una consulta de búsqueda utilizando la barra de búsqueda y los filtros asociados de la parte superior de la página.

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

Puedes limitar tu búsqueda a las imágenes con una etiqueta concreta utilizando el selector "Etiquetas":

Antes de empezar a entrenar un modelo con tu conjunto de datos, te recomendamos que utilices Roboflow Health Check, una herramienta web que proporciona una visión de tu conjunto de datos y de cómo puedes mejorarlo antes de entrenar un modelo de visión.

Para utilizar la Comprobación de Salud, haz clic en el enlace "Comprobación de Salud" de la barra lateral. Aparecerá una lista de estadísticas que muestran el tamaño medio de las imágenes de tu conjunto de datos, el equilibrio de clases, un mapa de calor de dónde están las anotaciones en tus imágenes, etc.

El chequeo puede recomendar cambios que ayuden a mejorar el rendimiento del conjunto de datos. Por ejemplo, la función de equilibrio de clases puede mostrar que hay un desequilibrio en las etiquetas que, si se soluciona, puede aumentar el rendimiento o tu modelo.

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

Para exportar tus datos, necesitarás una versión del conjunto de datos. Una versión es un estado de tu conjunto de datos congelado en el tiempo. Para crear una versión, primero haz clic en "Versiones" en la barra lateral. A continuación, haz clic en el botón "Crear nueva versión". En esta página, podrás elegir aumentos y pasos de preprocesamiento para aplicar a tu conjunto de datos:

Para cada aumento que selecciones, aparecerá una ventana emergente que te permitirá ajustar el aumento a tus necesidades. Aquí tienes un ejemplo de ajuste de un aumento de luminosidad dentro de los parámetros especificados:

Cuando se haya generado la versión de tu conjunto de datos, podrás exportar tus datos a una serie de formatos. Haz clic en el botón "Exportar conjunto de datos" de la página de tu versión de conjunto de datos para exportar tus datos:

Ya estás preparado para entrenar YOLOv8 con un conjunto de datos personalizado. Sigue esta guía escrita y el vídeo de YouTube para obtener instrucciones paso a paso o consulta la documentación deUltralytics .

Sube los pesos personalizados del modelo YOLOv8 para probarlo y desplegarlo

Roboflow ofrece una API infinitamente escalable para modelos desplegados y SDKs para su uso con NVIDIA Jetsons, Luxonis OAKs, Raspberry Pis, dispositivos basados en GPU y mucho más.

Puedes desplegar los modelos de YOLOv8 cargando los pesos de YOLOv8 en Roboflow. Puedes hacerlo con unas pocas líneas de código de Python . Crea un nuevo archivo Python y añade 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, sustituye el ID del proyecto y el ID de la versión por los valores de tu cuenta y de tu proyecto. Aprende a recuperar tu clave API de 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 tu modelo y encontrar instrucciones de despliegue para los SDK compatibles, ve 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 puedes utilizar tu modelo subido como asistente de etiquetado. Esta función utiliza tu modelo entrenado para recomendar anotaciones en las imágenes subidas a Roboflow.

Cómo evaluar los modelos YOLOv8

Roboflow proporciona una serie de funciones para utilizar en la evaluación de modelos.

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

Para acceder a una matriz de confusión, ve a la página de tu modelo en el panel Roboflow , y luego haz clic en "Ver evaluación detallada":

Aparecerá una ventana emergente mostrando una matriz de confusión:

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

Para obtener más información, haz clic en Análisis Vectorial. Esto mostrará un gráfico de dispersión de las imágenes de tu 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 con un color entre blanco y rojo. Cuanto más rojo sea el punto, peor funcionará el modelo.

Puedes utilizar el Análisis Vectorial para:

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

Recursos de aprendizaje

¿Quieres saber más sobre el uso de Roboflow para crear modelos YOLOv8 ? Los siguientes recursos pueden serte útiles en tu trabajo.

• Entrena YOLOv8 en un conjunto de datos personalizado: Sigue nuestro cuaderno interactivo que te muestra cómo entrenar un modelo YOLOv8 en un conjunto de datos personalizado.
• Autodistill: Utiliza modelos de visión de gran base para etiquetar datos para modelos específicos. Puedes etiquetar imágenes para utilizarlas en el entrenamiento de modelos de clasificación, detección y segmentación de YOLOv8 con Autodistill.
• Supervisión: Un paquete de Python con útiles utilidades para trabajar con modelos de visión por ordenador. Puedes 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 YOLOv8 hasta las mejores prácticas de anotación.
• Roboflow Canal de YouTube: Navega por docenas de guías de visión por ordenador en profundidad en nuestro canal de YouTube, que cubren temas desde el entrenamiento de modelos YOLOv8 hasta el etiquetado automatizado de imágenes.

Muestra de proyectos

A continuación te presentamos algunos de los muchos comentarios que hemos recibido sobre el uso conjunto de YOLOv8 y Roboflow para crear modelos de visión por ordenador.

Comentarios