Skip to content

Roboflow Jeux de données

Tu peux maintenant utiliser Roboflow pour organiser, étiqueter, préparer, versionner et héberger tes jeux de données pour l'entraînement des modèles YOLOv5 🚀. Roboflow peut être utilisé gratuitement avec YOLOv5 si tu rends ton espace de travail public.

Licence

Ultralytics propose deux options de licence :

Pour plus de détails, voir Ultralytics Licences.

Télécharger

Tu peux télécharger tes données sur Roboflow via l'interface web, l'API REST ou... Python.

Étiquetage

Après avoir téléchargé des données sur Roboflow, tu peux étiqueter tes données et revoir les étiquettes précédentes.

Roboflow Annoter

Versionnement

Tu peux créer des versions de ton jeu de données avec différentes options de prétraitement et d'augmentation hors ligne. YOLOv5 effectue des augmentations en ligne de façon native, alors fais preuve d'attention lorsque tu superposes les augmentations hors ligne de Roboflow.

Roboflow Prétraitement

Exporter des données

Tu peux télécharger tes données au format YOLOv5 pour commencer rapidement la formation.

from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")

Formation sur mesure

Nous avons publié un tutoriel de formation personnalisé qui démontre toutes les capacités ci-dessus. Tu peux accéder au code ici :

Open In Colab

Apprentissage actif

Le monde réel est désordonné et ton modèle rencontrera invariablement des situations que ton ensemble de données n'a pas anticipées. L'utilisation de l'apprentissage actif est une stratégie importante pour améliorer de façon itérative ton ensemble de données et ton modèle. Avec l'intégration de Roboflow et YOLOv5 , tu peux rapidement apporter des améliorations à tes déploiements de modèles en utilisant un pipeline d'apprentissage automatique qui a fait ses preuves.

Roboflow apprentissage actif

Environnements pris en charge

Ultralytics fournit une gamme d'environnements prêts à l'emploi, chacun préinstallé avec des dépendances essentielles telles que CUDA, CUDNN, Pythonet PyTorchpour lancer tes projets.

Statut du projet

YOLOv5 CI

Ce badge indique que tous les tests d'intégration continue (CI) de YOLOv5 GitHub Actions sont passés avec succès. Ces tests CI vérifient rigoureusement la fonctionnalité et les performances de YOLOv5 sur différents aspects clés : entraînement, validation, inférence, exportation et benchmarks. Ils garantissent un fonctionnement cohérent et fiable sur macOS, Windows et Ubuntu, avec des tests effectués toutes les 24 heures et à chaque nouveau commit.



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (7)

Commentaires