Roboflow

Roboflow contient tout ce dont vous avez besoin pour construire et déployer des modèles de vision artificielle. Connectez Roboflow à n'importe quelle étape de votre pipeline grâce aux API et aux SDK, ou utilisez l'interface de bout en bout pour automatiser l'ensemble du processus, de l'image à l'inférence. Que vous ayez besoin d'étiqueter des données, d'entraîner des modèles ou de les déployer, Roboflow vous fournit les éléments de base pour apporter des solutions de vision par ordinateur personnalisées à votre projet.

Dans ce guide, nous allons montrer comment trouver, étiqueter et organiser les données pour les utiliser dans la formation d'un modèle personnalisé Ultralytics YOLO11 . Utilisez la table des matières ci-dessous pour accéder directement à une section spécifique :

• Collecte de données pour l'entraînement d'un modèle personnalisé YOLO11
• Téléchargement, conversion et étiquetage des données pour le format YOLO11
• Prétraitement et enrichissement des données pour la robustesse du modèle
• Gestion des ensembles de données pour YOLO11
• Exportation des données dans plus de 40 formats pour l'entraînement des modèles
• Télécharger les poids des modèles personnalisés YOLO11 pour les tester et les déployer
• Collecte de données pour l'entraînement d'un modèle personnalisé YOLO11

Roboflow fournit deux services qui peuvent vous aider à collecter des données pour les modèles YOLO11 : Universe et Collect.

Universe est un référentiel en ligne qui contient plus de 250 000 ensembles de données sur la vision, soit plus de 100 millions d'images.

Avec un compte Roboflow gratuit, vous pouvez exporter n'importe quel jeu de données disponible sur Universe. Pour exporter un jeu de données, cliquez sur le bouton "Télécharger ce jeu de données" sur n'importe quel jeu de données.

Pour YOLO11, sélectionnez "YOLO11" comme format d'exportation :

Universe dispose également d'une page qui regroupe tous les modèles YOLO11 affinés publics téléchargés sur Roboflow. Vous pouvez utiliser cette page pour explorer des modèles pré-entraînés que vous pouvez utiliser pour des tests ou pour l'étiquetage automatisé des données ou pour créer des prototypes avec l'inférenceRoboflow .

Si vous souhaitez recueillir des images vous-même, essayez Collect, un projet open source qui vous permet de recueillir automatiquement des images à l'aide d'une webcam sur le bord. Vous pouvez utiliser des invites textuelles ou des images avec Collect pour indiquer quelles données doivent être collectées, ce qui vous permet de ne capturer que les données utiles dont vous avez besoin pour construire votre modèle de vision.

Téléchargement, conversion et étiquetage des données pour le format YOLO11

Roboflow Annotate est un outil d'annotation en ligne qui permet d'étiqueter les images pour la détection, la classification et la segmentation d'objets.

Pour étiqueter les données d'un modèle de détection d'objet, de segmentation d'instance ou de classification YOLO11 , créez d'abord un projet dans Roboflow.

Ensuite, téléchargez vos images et toutes les annotations préexistantes provenant d'autres outils(en utilisant l'un des plus de 40 formats d'importation pris en charge) dans Roboflow.

Sélectionnez le lot d'images que vous avez téléchargé sur la page Annoter à laquelle vous accédez après avoir téléchargé des images. Cliquez ensuite sur "Commencer à annoter" pour étiqueter les images.

Pour étiqueter avec des boîtes de délimitation, appuyez sur la touche B de votre clavier ou cliquez sur l'icône de la boîte dans la barre latérale. Cliquez sur un point où vous voulez commencer votre boîte de délimitationpuis faites glisser pour créer la boîte :

Une fenêtre pop-up apparaît pour vous demander de sélectionner une classe pour votre annotation une fois que vous avez créé une annotation.

Pour étiqueter avec des polygones, appuyez sur la touche P de votre clavier, ou l'icône de polygone dans la barre latérale. Lorsque l'outil d'annotation polygonale est activé, cliquez sur des points individuels de l'image pour dessiner un polygone.

Roboflow propose un assistant d'étiquetage basé sur SAM qui vous permet d'étiqueter des images plus rapidement que jamais. SAM (Segment Anything Model) est un modèle de vision artificielle de pointe qui permet d'étiqueter les images avec précision. Avec SAM, vous pouvez accélérer considérablement le processus d'étiquetage des images. Annoter des images avec des polygones devient aussi simple que quelques clics, au lieu du processus fastidieux qui consiste à cliquer précisément sur des points autour d'un objet.

Pour utiliser l'assistant d'étiquetage, cliquez sur l'icône du curseur dans la barre latérale, SAM sera chargé pour être utilisé dans votre projet.

Survolez n'importe quel objet de l'image et SAM vous recommandera une annotation. Vous pouvez survoler l'objet pour trouver le bon endroit à annoter, puis cliquer pour créer votre annotation. Pour modifier votre annotation et la rendre plus ou moins spécifique, vous pouvez cliquer à l'intérieur ou à l'extérieur de l'annotation que SAM a créée sur le document.

Vous pouvez également ajouter des balises aux images à partir du panneau "Balises" de la barre latérale. Vous pouvez appliquer des balises à des données provenant d'une zone particulière, prises à partir d'un appareil photo spécifique, etc. Vous pouvez ensuite utiliser ces balises pour rechercher dans les données les images correspondant à une balise et générer des versions d'un ensemble de données avec des images contenant une balise particulière ou un ensemble de balises.

Les modèles hébergés sur Roboflow peuvent être utilisés avec Label Assist, un outil d'annotation automatique qui utilise votre modèle YOLO11 pour recommander des annotations. Pour utiliser Label Assist, téléchargez d'abord un modèle YOLO11 sur Roboflow (voir les instructions plus loin dans le guide). Ensuite, cliquez sur l'icône de la baguette magique dans la barre latérale gauche et sélectionnez votre modèle pour l'utiliser dans Label Assist.

Choisissez un modèle, puis cliquez sur "Continuer" pour activer Label Assist :

Lorsque vous ouvrez de nouvelles images à annoter, Label Assist déclenche et recommande des annotations.

Gestion des ensembles de données pour YOLO11

Roboflow fournit une suite d'outils pour comprendre les ensembles de données de vision par ordinateur.

Tout d'abord, vous pouvez utiliser la recherche d'ensembles de données pour trouver des images qui répondent à une description sémantique (c'est-à-dire trouver toutes les images qui contiennent des personnes), ou qui répondent à une étiquette spécifique (c'est-à-dire que l'image est associée à une étiquette spécifique). Pour utiliser la recherche d'ensembles de données, cliquez sur "Ensemble de données" dans la barre latérale. Saisissez ensuite une requête de recherche à l'aide de la barre de recherche et des filtres associés en haut de la page.

Par exemple, la requête textuelle suivante permet de trouver des images contenant des personnes dans un ensemble de données :

Vous pouvez limiter votre recherche aux images comportant un tag particulier en utilisant le sélecteur "Tags" :

Avant de commencer à former un modèle avec votre ensemble de données, nous vous recommandons d'utiliser Roboflow Health Check, un outil web qui donne un aperçu de votre ensemble de données et de la manière dont vous pouvez l'améliorer avant de former un modèle de vision.

Pour utiliser le bilan de santé, cliquez sur le lien "Bilan de santé" dans la barre latérale. Une liste de statistiques s'affiche, indiquant la taille moyenne des images de votre jeu de données, l'équilibre des classes, une carte thermique de l'emplacement des annotations dans vos images, etc.

Le bilan de santé peut recommander des modifications pour améliorer les performances de l'ensemble de données. Par exemple, la fonction d'équilibre des classes peut indiquer un déséquilibre dans les étiquettes qui, s'il est résolu, peut améliorer les performances de votre modèle.

Exportation des données dans plus de 40 formats pour la formation aux modèles

Pour exporter vos données, vous avez besoin d'une version du jeu de données. Une version est un état de votre jeu de données figé dans le temps. Pour créer une version, cliquez d'abord sur "Versions" dans la barre latérale. Cliquez ensuite sur le bouton "Créer une nouvelle version". Sur cette page, vous pourrez choisir les augmentations et les étapes de prétraitement à appliquer à votre jeu de données :

Pour chaque augmentation sélectionnée, une fenêtre contextuelle s'affiche pour vous permettre d'adapter l'augmentation à vos besoins. Voici un exemple de réglage d'une augmentation de la luminosité selon les paramètres spécifiés :

Lorsque la version de votre jeu de données a été générée, vous pouvez exporter vos données dans différents formats. Cliquez sur le bouton "Export Dataset" sur la page de la version de votre jeu de données pour exporter vos données :

Vous êtes maintenant prêt à entraîner YOLO11 sur un ensemble de données personnalisé. Suivez ce guide écrit et la vidéo YouTube pour obtenir des instructions étape par étape ou consultez la documentation deUltralytics .

Télécharger les pondérations personnalisées du modèle YOLO11 pour les tester et les déployer

Roboflow offre une API infiniment évolutive pour les modèles déployés et des SDK à utiliser avec NVIDIA Jetsons, Luxonis OAK, Raspberry Pis, GPU-based devices, et bien plus encore.

Vous pouvez déployer les modèles YOLO11 en téléchargeant les poids YOLO11 vers Roboflow. Vous pouvez le faire en quelques lignes de code Python . Créez un nouveau fichier Python et ajoutez le code suivant :

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/")

Dans ce code, remplacez l'ID du projet et l'ID de la version par les valeurs de votre compte et de votre projet. Découvrez comment récupérer votre clé API Roboflow .

Lorsque vous exécutez le code ci-dessus, il vous sera demandé de vous authentifier. Ensuite, votre modèle sera téléchargé et une API sera créée pour votre projet. Ce processus peut prendre jusqu'à 30 minutes.

Pour tester votre modèle et trouver des instructions de déploiement pour les SDK pris en charge, cliquez sur l'onglet "Déployer" dans la barre latérale Roboflow . En haut de cette page, un widget apparaît pour vous permettre de tester votre modèle. Vous pouvez utiliser votre webcam pour les tests en direct ou télécharger des images ou des vidéos.

Vous pouvez également utiliser votre modèle téléchargé comme assistant d'étiquetage. Cette fonction utilise votre modèle formé pour recommander des annotations sur les images téléchargées sur Roboflow.

Comment évaluer les modèles YOLO11

Roboflow fournit une série de caractéristiques permettant d'évaluer les modèles.

Une fois que vous avez téléchargé un modèle sur Roboflow, vous pouvez accéder à notre outil d'évaluation des modèles, qui fournit une matrice de confusion montrant la performance de votre modèle ainsi qu'un graphique d'analyse vectorielle interactif. Ces fonctions peuvent vous aider à trouver des possibilités d'amélioration de votre modèle.

Pour accéder à une matrice de confusion, allez à la page de votre modèle sur le tableau de bord Roboflow , puis cliquez sur "Voir l'évaluation détaillée" :

Une fenêtre contextuelle s'affiche, présentant une matrice de confusion :

Survolez une case de la matrice de confusion pour voir la valeur qui lui est associée. Cliquez sur une case pour voir les images de la catégorie correspondante. Cliquez sur une image pour afficher les prédictions du modèle et les données de terrain associées à cette image.

Pour en savoir plus, cliquez sur Analyse vectorielle. Vous obtiendrez un diagramme de dispersion des images de votre ensemble de données, calculé à l'aide de CLIP. Plus les images sont proches dans le diagramme, plus elles sont similaires d'un point de vue sémantique. Chaque image est représentée par un point d'une couleur comprise entre le blanc et le rouge. Plus le point est rouge, moins le modèle est performant.

Vous pouvez utiliser l'analyse vectorielle pour

• Trouver des groupes d'images ;
• Identifier les grappes où le modèle est peu performant, et ;
• Visualiser les points communs entre les images sur lesquelles le modèle n'est pas performant.

Ressources pédagogiques

Vous souhaitez en savoir plus sur l'utilisation de Roboflow pour créer des modèles YOLO11 ? Les ressources suivantes peuvent vous être utiles.

• Entraînez YOLO11 sur un ensemble de données personnalisé: Suivez notre notebook interactif qui vous montre comment entraîner un modèle YOLO11 sur un ensemble de données personnalisé.
• Autodistill: utiliser des modèles de vision à grande base pour étiqueter des données pour des modèles spécifiques. Avec Autodistill, vous pouvez étiqueter des images pour les utiliser dans l'apprentissage des modèles de classification, de détection et de segmentation de YOLO11 .
• Supervision: Un paquetage Python avec des utilitaires utiles pour travailler avec des modèles de vision par ordinateur. Vous pouvez utiliser la supervision pour filtrer les détections, calculer les matrices de confusion, etc., le tout en quelques lignes de code Python .
• Roboflow Blog: Le blog Roboflow propose plus de 500 articles sur la vision par ordinateur, couvrant des sujets allant de la formation d'un modèle YOLO11 aux meilleures pratiques d'annotation.
• Roboflow Chaîne YouTube: Parcourez des dizaines de guides approfondis sur la vision artificielle sur notre chaîne YouTube, couvrant des sujets allant de l'entraînement des modèles YOLO11 à l'étiquetage automatisé des images.

Vitrine des projets

Vous trouverez ci-dessous quelques-uns des nombreux commentaires que nous avons reçus sur l'utilisation conjointe de YOLO11 et de Roboflow pour créer des modèles de vision par ordinateur.

FAQ

Comment étiqueter les données pour les modèles YOLO11 en utilisant Roboflow?

L'étiquetage des données pour les modèles YOLO11 à l'aide de Roboflow est simple avec Roboflow Annotate. Tout d'abord, créez un projet sur Roboflow et téléchargez vos images. Après le téléchargement, sélectionnez le lot d'images et cliquez sur "Start Annotating". Vous pouvez utiliser la fonction B pour les boîtes de délimitation ou la touche P pour les polygones. Pour une annotation plus rapide, utilisez l'assistant d'étiquetage basé sur SAM en cliquant sur l'icône du curseur dans la barre latérale. Les étapes détaillées peuvent être trouvées ici.

Quels sont les services proposés par Roboflow pour la collecte desdonnées de formation YOLO11 ?

Roboflow fournit deux services clés pour la collecte des données de formation sur YOLO11 : Universe et Collect. Universe offre un accès à plus de 250 000 ensembles de données de vision, tandis que Collect vous aide à recueillir des images à l'aide d'une webcam et de messages automatiques.

Comment puis-je gérer et analyser mon jeu de données YOLO11 à l'aide de Roboflow?

Roboflow offre de solides outils de gestion des ensembles de données, y compris la recherche d'ensembles de données, l'étiquetage et le bilan de santé. La fonction de recherche permet de trouver des images à partir de descriptions textuelles ou d'étiquettes. Le bilan de santé fournit des informations sur la qualité du jeu de données, en montrant l'équilibre des classes, la taille des images et les cartes thermiques des annotations. Cela permet d'optimiser les performances de l'ensemble de données avant d'entraîner les modèles YOLO11 . Des informations détaillées sont disponibles ici.

Comment exporter mon jeu de données YOLO11 à partir de Roboflow?

Pour exporter votre jeu de données YOLO11 à partir de Roboflow, vous devez créer une version du jeu de données. Cliquez sur "Versions" dans la barre latérale, puis sur "Create New Version" et appliquez les augmentations souhaitées. Une fois la version générée, cliquez sur "Export Dataset" et choisissez le format YOLO11 . Suivez ce processus ici.

Comment puis-je intégrer et déployer les modèles YOLO11 avec Roboflow?

Intégrez et déployez les modèles YOLO11 sur Roboflow en téléchargeant vos poids YOLO11 à l'aide de quelques lignes de code Python . Utilisez le script fourni pour authentifier et télécharger votre modèle, ce qui créera une API pour le déploiement. Pour plus de détails sur le script et d'autres instructions, voir cette section.

Quels sont les outils fournis par Roboflow pour évaluer les modèles YOLO11 ?

Roboflow offre des outils d'évaluation des modèles, notamment une matrice de confusion et des graphiques d'analyse vectorielle. Vous pouvez accéder à ces outils à partir du bouton "Voir l'évaluation détaillée" sur la page de votre modèle. Ces fonctions permettent d'identifier les problèmes de performance du modèle et les domaines à améliorer. Pour plus d'informations, reportez-vous à cette section.

📅C réé il y a 1 an ✏️ Mis à jour il y a 2 mois

Commentaires