Roboflow

Roboflow fournit des outils pour le data labeling et l'exportation de jeux de données dans divers formats, dont YOLO. Ce guide couvre l'étiquetage, l'exportation et le déploiement de données pour les modèles Ultralytics YOLO.

Ce guide démontre comment trouver, étiqueter et organiser des données pour entraîner un modèle Ultralytics YOLO26 personnalisé à l'aide de Roboflow.

• Collecter des données pour l'entraînement
• Étiqueter les données
• Gestion des jeux de données
• Exporter les données
• Déployer des modèles
• Évaluer des modèles
• FAQ

Collecter des données pour l'entraînement d'un modèle YOLO26 personnalisé

Roboflow propose deux services principaux pour t'aider dans la collecte de données pour les modèles Ultralytics YOLO : Universe et Collect. Pour des informations plus générales sur les stratégies de collecte de données, consulte notre Guide de collecte et d'annotation de données.

Roboflow Universe

Roboflow Universe est un référentiel en ligne de jeux de données de vision. Tu peux exporter des jeux de données au format YOLO pour les utiliser avec les modèles Ultralytics.

Roboflow Collect

Si tu préfères collecter tes images toi-même, Roboflow Collect est un projet open-source permettant la collecte automatique d'images via une webcam sur des appareils en périphérie (edge devices). Tu peux utiliser des invites textuelles ou des images pour spécifier les données à collecter, ce qui t'aide à capturer uniquement les images nécessaires pour ton modèle de vision.

Téléverser, convertir et étiqueter des données pour le format YOLO26

Roboflow Annotate est un outil en ligne pour étiqueter des images pour diverses tâches de vision par ordinateur, notamment la détection d'objets, la classification et la segmentation.

Pour étiqueter des données pour un modèle YOLO d'Ultralytics, crée un projet dans Roboflow, téléverse tes images et commence à annoter.

Outils d'annotation

• Annotation par boîte englobante : Appuie sur B ou clique sur l'icône de boîte. Clique et fais glisser pour créer la bounding box. Une fenêtre contextuelle t'invitera à sélectionner une classe pour l'annotation.
• Annotation par polygone : Utilisé pour la instance segmentation. Appuie sur P ou clique sur l'icône de polygone. Clique sur les points autour de l'objet pour dessiner le polygone.

Assistant d'étiquetage (Intégration SAM)

Roboflow intègre un assistant d'étiquetage basé sur le Segment Anything Model (SAM) pour accélérer potentiellement l'annotation.

Pour utiliser l'assistant d'étiquetage, clique sur l'icône du curseur dans la barre latérale. SAM sera activé pour ton projet.

Survole un objet, et SAM pourrait suggérer une annotation. Clique pour accepter l'annotation. Tu peux affiner la spécificité de l'annotation en cliquant à l'intérieur ou à l'extérieur de la zone suggérée.

Étiquetage (Tagging)

Tu peux ajouter des tags aux images en utilisant le panneau Tags dans la barre latérale. Les tags peuvent représenter des attributs comme l'emplacement, la source de la caméra, etc. Ces tags te permettent de rechercher des images spécifiques et de générer des versions de jeux de données contenant des images avec des tags particuliers.

Label Assist (basé sur un modèle)

Les modèles hébergés sur Roboflow peuvent être utilisés avec Label Assist pour suggérer des annotations. Téléverse les poids de ton modèle YOLO sur Roboflow (vois les instructions ci-dessous), puis active Label Assist via l'icône de baguette magique dans la barre latérale.

Gestion des jeux de données pour YOLO26

Roboflow fournit plusieurs outils pour comprendre et gérer tes jeux de données de vision par ordinateur.

Recherche de jeu de données

Utilise la recherche de jeu de données pour trouver des images basées sur des descriptions textuelles ou des étiquettes/tags spécifiques. Accède à cette fonctionnalité en cliquant sur "Dataset" dans la barre latérale.

Vérification de santé (Health Check)

Avant l'entraînement, utilise Roboflow Health Check pour obtenir des informations sur ton jeu de données et identifier des améliorations potentielles. Accède-y via le lien "Health Check" de la barre latérale. Il fournit des statistiques sur les tailles d'image, l'équilibre des classes, les cartes de chaleur d'annotation, et plus encore.

Health Check pourrait suggérer des changements pour améliorer les performances, comme résoudre les déséquilibres de classes identifiés dans la fonctionnalité d'équilibre des classes. Comprendre la santé du jeu de données est crucial pour un entraînement de modèle efficace.

Prétraitement et augmentation des données pour la robustesse du modèle

Pour exporter tes données, tu dois créer une version de jeu de données, qui est un instantané de ton jeu de données à un moment précis. Clique sur "Versions" dans la barre latérale, puis sur "Create New Version". Ici, tu peux appliquer des étapes de prétraitement et des augmentations de données pour potentiellement améliorer la robustesse du modèle.

Pour chaque augmentation sélectionnée, une fenêtre contextuelle te permet d'ajuster finement ses paramètres tels que la luminosité. Une augmentation appropriée peut améliorer significativement la généralisation du modèle, un concept clé abordé dans notre guide des conseils pour l'entraînement de modèles.

Exporter des données dans plus de 40 formats pour l'entraînement de modèles

Une fois ta version de jeu de données générée, tu peux l'exporter dans divers formats adaptés à l'entraînement de modèles. Clique sur le bouton "Export Dataset" sur la page de la version.

Sélectionne le format "YOLO26" pour une compatibilité avec les pipelines d'entraînement Ultralytics. Tu es maintenant prêt à entraîner ton modèle YOLO26 personnalisé. Reporte-toi à la documentation du mode Train d'Ultralytics pour des instructions détaillées sur le lancement de l'entraînement avec ton jeu de données exporté.

Téléverser les poids d'un modèle YOLO26 personnalisé pour les tests et le déploiement

Roboflow offre une API évolutive pour les modèles déployés et des SDK compatibles avec des appareils comme NVIDIA Jetson, Luxonis OAK, Raspberry Pi, et les systèmes basés sur GPU. Explore diverses options de déploiement de modèles dans nos guides.

Tu peux déployer des modèles YOLO26 en téléversant leurs poids sur Roboflow à l'aide d'un simple script Python.

Crée un nouveau fichier Python et ajoute le code suivant :

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.")

Dans ce code, remplace your-workspace-id, your-project-id, le numéro de VERSION, et le MODEL_PATH par les valeurs spécifiques à ton compte Roboflow, ton projet et ton répertoire local de résultats d'entraînement. Assure-toi que le MODEL_PATH pointe correctement vers le répertoire contenant ton fichier de poids best.pt entraîné.

Lorsque tu exécutes le code ci-dessus, il te sera demandé de t'authentifier (généralement via une clé API). Ensuite, ton modèle sera téléversé, et un point de terminaison API sera créé pour ton projet. Ce processus peut prendre jusqu'à 30 minutes.

Pour tester ton modèle et trouver les instructions de déploiement pour les SDK pris en charge, va dans l'onglet "Deploy" dans la barre latérale de Roboflow. En haut de cette page, un widget apparaîtra te permettant de tester ton modèle à l'aide de ta webcam ou en téléversant des images ou des vidéos.

Ton modèle téléversé peut également être utilisé comme assistant d'étiquetage, suggérant des annotations sur de nouvelles images en fonction de son entraînement.

Comment évaluer les modèles YOLO26

Roboflow fournit des fonctionnalités pour évaluer les performances des modèles. Comprendre les mesures de performance est crucial pour l'itération du modèle.

Après avoir téléversé un modèle, accède à l'outil d'évaluation de modèle via ta page de modèle sur le tableau de bord Roboflow. Clique sur "View Detailed Evaluation".

Cet outil affiche une matrice de confusion illustrant les performances du modèle et un tracé d'analyse vectorielle interactif utilisant les plongements CLIP. Ces fonctionnalités aident à identifier les domaines à améliorer pour le modèle.

La fenêtre contextuelle de la matrice de confusion :

Survole les cellules pour voir les valeurs, et clique sur les cellules pour visualiser les images correspondantes avec les prédictions du modèle et les données de vérité terrain.

Clique sur "Vector Analysis" pour un nuage de points visualisant la similarité des images basée sur les plongements CLIP. Les images plus proches sont sémantiquement similaires. Les points représentent des images, colorés du blanc (bonne performance) au rouge (mauvaise performance).

L'analyse vectorielle aide à :

• Identifier les grappes d'images.
• Localiser les grappes où le modèle fonctionne mal.
• Comprendre les points communs entre les images causant de mauvaises performances.

Ressources d'apprentissage

• Entraîner YOLO sur un jeu de données personnalisé (Colab) : Notebook Google Colab interactif pour l'entraînement sur tes données.
• Documentation Ultralytics YOLO : Entraînement, exportation et déploiement des modèles YOLO.
• Blog Ultralytics : Articles sur la vision par ordinateur et l'entraînement de modèles.
• YouTube Ultralytics : Guides vidéo sur l'entraînement et le déploiement de modèles.

FAQ

Comment étiqueter des données pour les modèles YOLO26 en utilisant Roboflow ?

Utilise Roboflow Annotate. Crée un projet, téléverse des images et utilise les outils d'annotation (B pour les bounding boxes, P pour les polygones) ou l'assistant d'étiquetage basé sur SAM pour un étiquetage plus rapide. Des étapes détaillées sont disponibles dans la section Téléverser, convertir et étiqueter des données.

Quels services Roboflow propose-t-il pour collecter des données d'entraînement YOLO26 ?

Roboflow fournit Universe (accès à de nombreux jeux de données) et Collect (collecte automatisée d'images via webcam). Ceux-ci peuvent aider à acquérir les données d'entraînement nécessaires pour ton modèle YOLO26, en complément des stratégies décrites dans notre Guide de collecte de données.

Comment puis-je gérer et analyser mon jeu de données YOLO26 en utilisant Roboflow ?

Utilise les fonctionnalités de recherche, de tagging et de Health Check de Roboflow. La recherche trouve des images par texte ou par tags, tandis que Health Check analyse la qualité du jeu de données (équilibre des classes, tailles d'image, etc.) pour orienter les améliorations avant l'entraînement. Vois la section Gestion des jeux de données pour plus de détails.

Comment exporter mon jeu de données YOLO26 depuis Roboflow ?

Crée une version de jeu de données dans Roboflow, applique le prétraitement et les augmentations souhaités, puis clique sur "Export Dataset" et sélectionne le format YOLO26. Le processus est décrit dans la section Exporter des données. Cela prépare tes données pour une utilisation avec les pipelines d'entraînement d'Ultralytics.

Comment puis-je intégrer et déployer des modèles YOLO26 avec Roboflow ?

Téléverse tes poids YOLO26 entraînés sur Roboflow en utilisant le script Python fourni. Cela crée un point de terminaison API déployable. Reporte-toi à la section Téléverser des poids personnalisés pour le script et les instructions. Explore d'autres options de déploiement dans notre documentation.