Roboflow

Roboflow कंप्यूटर दृष्टि मॉडल बनाने और तैनात करने के लिए आपको जो कुछ भी चाहिए वह सब कुछ है। जोड़ना Roboflow एपीआई और एसडीके के साथ अपनी पाइपलाइन में किसी भी कदम पर, या छवि से अनुमान तक पूरी प्रक्रिया को स्वचालित करने के लिए एंड-टू-एंड इंटरफ़ेस का उपयोग करें। चाहे आपको डेटा लेबलिंग, मॉडल प्रशिक्षण या मॉडल परिनियोजन की आवश्यकता हो, Roboflow आपको अपनी परियोजना के लिए कस्टम कंप्यूटर विज़न समाधान लाने के लिए बिल्डिंग ब्लॉक्स देता है।

इस गाइड में, हम यह दिखाने जा रहे हैं कि कस्टम प्रशिक्षण में उपयोग के लिए डेटा को कैसे ढूंढना, लेबल करना और व्यवस्थित करना है Ultralytics YOLOv8 को गढ़ना। सीधे किसी विशिष्ट अनुभाग पर जाने के लिए नीचे दी गई सामग्री तालिका का उपयोग करें:

• एक कस्टम प्रशिक्षण के लिए डेटा इकट्ठा करें YOLOv8 को गढ़ना
• के लिए डेटा अपलोड, कन्वर्ट और लेबल करें YOLOv8 प्रारूप
• मॉडल मजबूती के लिए पूर्व-प्रक्रिया और डेटा बढ़ाएं
• के लिए डेटासेट प्रबंधन YOLOv8
• मॉडल प्रशिक्षण के लिए 40+ स्वरूपों में डेटा निर्यात करें
• कस्टम अपलोड करें YOLOv8 परीक्षण और तैनाती के लिए मॉडल वजन
• एक कस्टम प्रशिक्षण के लिए डेटा इकट्ठा करें YOLOv8 को गढ़ना

Roboflow दो सेवाएँ प्रदान करता है जो आपको निम्न के लिए डेटा एकत्र करने में मदद कर सकती हैं YOLOv8 मॉडल: यूनिवर्स और कलेक्ट।

यूनिवर्स एक ऑनलाइन रिपॉजिटरी है जिसमें 250,000 से अधिक विज़न डेटासेट हैं जिनकी कुल 100 मिलियन से अधिक छवियां हैं।

एक के साथ उचित Roboflow खाते में, आप यूनिवर्स पर उपलब्ध किसी भी डेटासेट को निर्यात कर सकते हैं। डेटासेट निर्यात करने के लिए, किसी भी डेटासेट पर "इस डेटासेट को डाउनलोड करें" बटन पर क्लिक करें।

के लिए YOLOv8, चयन करें "YOLOv8" निर्यात प्रारूप के रूप में:

ब्रह्मांड में एक पृष्ठ भी है जो सभी को एकत्र करता है सार्वजनिक फाइन-ट्यून YOLOv8 मॉडल पर अपलोड किया गया Roboflow. आप इस पृष्ठ का उपयोग पूर्व-प्रशिक्षित मॉडल का पता लगाने के लिए कर सकते हैं जिनका उपयोग आप परीक्षण के लिए या स्वचालित डेटा लेबलिंग के लिए या प्रोटोटाइप के लिए कर सकते हैं Roboflow अनुमान।

यदि आप स्वयं छवियों को इकट्ठा करना चाहते हैं, तो कलेक्ट का प्रयास करें, एक ओपन सोर्स प्रोजेक्ट जो आपको किनारे पर वेबकैम का उपयोग करके छवियों को स्वचालित रूप से इकट्ठा करने की अनुमति देता है। आप कलेक्ट के साथ टेक्स्ट या इमेज प्रॉम्प्ट का उपयोग यह निर्देश देने के लिए कर सकते हैं कि कौन सा डेटा एकत्र किया जाना चाहिए, जिससे आप केवल उस उपयोगी डेटा को कैप्चर कर सकते हैं जिसकी आपको अपना विज़न मॉडल बनाने की आवश्यकता है।

के लिए डेटा अपलोड, कन्वर्ट और लेबल करें YOLOv8 प्रारूप

Roboflow एनोटेट ऑब्जेक्ट डिटेक्शन, वर्गीकरण और विभाजन के लिए छवियों को लेबल करने में उपयोग के लिए एक ऑनलाइन एनोटेशन टूल है।

एक के लिए डेटा लेबल करने के लिए YOLOv8 ऑब्जेक्ट डिटेक्शन, इंस्टेंस सेगमेंटेशन, या वर्गीकरण मॉडल, पहले में एक प्रोजेक्ट बनाएं Roboflow.

इसके बाद, अपनी छवियों को अपलोड करें, और आपके पास अन्य टूल (40+ समर्थित आयात प्रारूपों में से एक का उपयोग करके) से पहले से मौजूद कोई भी एनोटेशन Roboflow.

आपके द्वारा एनोटेट पृष्ठ पर अपलोड की गई छवियों के बैच का चयन करें, जिस पर आपको चित्र अपलोड करने के बाद ले जाया जाता है। फिर, छवियों को लेबल करने के लिए "एनोटेट करना प्रारंभ करें" पर क्लिक करें।

बाउंडिंग बॉक्स के साथ लेबल करने के लिए, दबाएं B अपने कीबोर्ड पर कुंजी या साइडबार में बॉक्स आइकन पर क्लिक करें। उस बिंदु पर क्लिक करें जहां आप अपना बाउंडिंग बॉक्स शुरू करना चाहते हैं, फिर बॉक्स बनाने के लिए खींचें:

एक पॉप-अप दिखाई देगा जो आपको एनोटेशन बनाने के बाद अपने एनोटेशन के लिए एक वर्ग का चयन करने के लिए कहेगा।

बहुभुजों के साथ लेबल करने के लिए, दबाएं P कुंजीपटल पर कुंजी, या साइडबार में बहुभुज आइकन। बहुभुज एनोटेशन टूल सक्षम होने के साथ, बहुभुज बनाने के लिए छवि में अलग-अलग बिंदुओं पर क्लिक करें।

Roboflow एक प्रदान करता है SAM-आधारित लेबल सहायक जिसके साथ आप छवियों को पहले से कहीं अधिक तेजी से लेबल कर सकते हैं। SAM (सेगमेंट एनीथिंग मॉडल) एक अत्याधुनिक कंप्यूटर विज़न मॉडल है जो छवियों को सटीक रूप से लेबल कर सकता है। के साथ SAM, आप छवि लेबलिंग प्रक्रिया को महत्वपूर्ण रूप से तेज कर सकते हैं। बहुभुजों के साथ छवियों को एनोटेट करना किसी ऑब्जेक्ट के चारों ओर बिंदुओं को ठीक से क्लिक करने की थकाऊ प्रक्रिया के बजाय कुछ क्लिक के रूप में सरल हो जाता है।

लेबल सहायक का उपयोग करने के लिए, साइडबार में कर्सर आइकॉन पर क्लिक करें, SAM आपकी परियोजना में उपयोग के लिए लोड किया जाएगा।

छवि में किसी भी वस्तु पर होवर करें और SAM एक एनोटेशन की सिफारिश करेंगे। आप टिप्पणी करने के लिए सही जगह खोजने के लिए होवर कर सकते हैं, फिर अपना एनोटेशन बनाने के लिए क्लिक करें। अपने एनोटेशन को कम या ज्यादा विशिष्ट बनाने के लिए, आप एनोटेशन के अंदर या बाहर क्लिक कर सकते हैं SAM दस्तावेज़ पर बनाया गया है।

आप साइडबार में टैग पैनल से छवियों में टैग भी जोड़ सकते हैं। आप किसी विशेष क्षेत्र के डेटा पर टैग लागू कर सकते हैं, किसी विशिष्ट कैमरे से लिया गया, और बहुत कुछ। फिर आप इन टैग का उपयोग टैग से मेल खाने वाली छवियों के डेटा के माध्यम से खोज करने के लिए कर सकते हैं और उन छवियों के साथ डेटासेट के संस्करण उत्पन्न कर सकते हैं जिनमें एक विशेष टैग या टैग का सेट होता है।

पर होस्ट किए गए मॉडल Roboflow लेबल असिस्ट के साथ प्रयोग किया जा सकता है, जो एक स्वचालित एनोटेशन टूल है जो YOLOv8 एनोटेशन की सिफारिश करने के लिए मॉडल। लेबल Assist का उपयोग करने के लिए, पहले एक YOLOv8 मॉडल को Roboflow (गाइड में बाद में निर्देश देखें)। फिर, बाएं साइडबार में मैजिक वैंड आइकॉन पर क्लिक करें और लेबल असिस्ट में उपयोग के लिए अपना मॉडल चुनें।

एक मॉडल चुनें, फिर लेबल सहायता को सक्षम करने के लिए "जारी रखें" पर क्लिक करें:

जब आप एनोटेशन के लिए नई छवियां खोलते हैं, तो लेबल असिस्ट ट्रिगर करेगा और एनोटेशन की सिफारिश करेगा।

के लिए डेटासेट प्रबंधन YOLOv8

Roboflow कंप्यूटर दृष्टि डेटासेट को समझने के लिए उपकरणों का एक सूट प्रदान करता है।

सबसे पहले, आप डेटासेट खोज का उपयोग उन छवियों को खोजने के लिए कर सकते हैं जो एक सिमेंटिक टेक्स्ट विवरण को पूरा करती हैं (यानी उन सभी छवियों को ढूंढें जिनमें लोग शामिल हैं), या जो एक निर्दिष्ट लेबल से मिलते हैं (यानी छवि एक विशिष्ट टैग से जुड़ी है)। डेटासेट खोज का उपयोग करने के लिए, साइडबार में "डेटासेट" पर क्लिक करें। फिर, पृष्ठ के शीर्ष पर खोज बार और संबंधित फ़िल्टर का उपयोग करके एक खोज क्वेरी इनपुट करें।

उदाहरण के लिए, निम्न पाठ क्वेरी उन छवियों को ढूँढती है जिनमें डेटासेट में लोग शामिल हैं:

आप "टैग" चयनकर्ता का उपयोग करके अपनी खोज को किसी विशेष टैग के साथ छवियों तक सीमित कर सकते हैं:

इससे पहले कि आप अपने डेटासेट के साथ एक मॉडल का प्रशिक्षण शुरू करें, हम इसका उपयोग करने की सलाह देते हैं Roboflow स्वास्थ्य जांच, एक वेब टूल जो आपके डेटासेट में एक अंतर्दृष्टि प्रदान करता है और आप एक दृष्टि मॉडल को प्रशिक्षित करने से पहले डेटासेट को कैसे सुधार सकते हैं।

स्वास्थ्य जांच का उपयोग करने के लिए, "स्वास्थ्य जांच" साइडबार लिंक पर क्लिक करें। आँकड़ों की एक सूची दिखाई देगी जो आपके डेटासेट में छवियों का औसत आकार, वर्ग संतुलन, आपकी छवियों में एनोटेशन कहाँ हैं, इसका हीटमैप और बहुत कुछ दिखाती है।

स्वास्थ्य जाँच डेटासेट प्रदर्शन को बढ़ाने में मदद करने के लिए परिवर्तनों की सिफारिश कर सकती है। उदाहरण के लिए, वर्ग संतुलन सुविधा दिखा सकती है कि लेबल में असंतुलन है, जो हल होने पर, प्रदर्शन या आपके मॉडल को बढ़ावा दे सकता है।

मॉडल प्रशिक्षण के लिए 40+ प्रारूपों में डेटा निर्यात करें

अपना डेटा निर्यात करने के लिए, आपको डेटासेट संस्करण की आवश्यकता होगी। एक संस्करण आपके डेटासेट की एक स्थिति है जो समय पर जमे हुए हैं। संस्करण बनाने के लिए, पहले साइडबार में "संस्करण" पर क्लिक करें। फिर, "नया संस्करण बनाएं" बटन पर क्लिक करें। इस पृष्ठ पर, आप अपने डेटासेट पर लागू करने के लिए वृद्धि और प्रीप्रोसेसिंग चरणों का चयन करने में सक्षम होंगे:

आपके द्वारा चुने गए प्रत्येक वृद्धि के लिए, एक पॉप-अप दिखाई देगा जो आपको अपनी आवश्यकताओं के लिए वृद्धि को ट्यून करने की अनुमति देगा। यहां निर्दिष्ट मापदंडों के भीतर चमक वृद्धि को ट्यून करने का एक उदाहरण दिया गया है:

जब आपका डेटासेट संस्करण उत्पन्न हो जाता है, तो आप अपने डेटा को कई प्रारूपों में निर्यात कर सकते हैं। अपना डेटा निर्यात करने के लिए अपने डेटासेट संस्करण पृष्ठ पर "डेटासेट निर्यात करें" बटन पर क्लिक करें:

अब आप प्रशिक्षण के लिए तैयार हैं YOLOv8 एक कस्टम डेटासेट पर। चरण-दर-चरण निर्देशों के लिए इस लिखित मार्गदर्शिका और YouTube वीडियो का पालन करें या देखें Ultralytics दस्तावेज़ीकरण।

कस्टम अपलोड करें YOLOv8 परीक्षण और तैनाती के लिए मॉडल वजन

Roboflow NVIDIA Jetsons, Luxonis OAKs, Raspberry Pis, GPU- आधारित उपकरणों आदि के साथ उपयोग के लिए परिनियोजित मॉडल और SDK के लिए एक असीम रूप से स्केलेबल API प्रदान करता है।

आप तैनात कर सकते हैं YOLOv8 अपलोड करके मॉडल YOLOv8 वजन करने के लिए Roboflow. आप इसे कुछ पंक्तियों में कर सकते हैं Python कोड। एक नया बनाएँ Python फ़ाइल करें और निम्न कोड जोड़ें:

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/")

इस कोड में, प्रोजेक्ट आईडी और संस्करण आईडी को अपने खाते और प्रोजेक्ट के मानों से बदलें। अपने को पुनः प्राप्त करने का तरीका जानें Roboflow एपीआई कुंजी।

जब आप ऊपर दिए गए कोड को चलाते हैं, तो आपको प्रमाणित करने के लिए कहा जाएगा। फिर, आपका मॉडल अपलोड किया जाएगा और आपके प्रोजेक्ट के लिए एक एपीआई बनाया जाएगा। इस प्रक्रिया को पूरा होने में 30 मिनट तक का समय लग सकता है।

अपने मॉडल का परीक्षण करने और समर्थित SDK टूल के लिए परिनियोजन निर्देश खोजने के लिए, Roboflow साइडबार। इस पृष्ठ के शीर्ष पर, एक विजेट दिखाई देगा जिसके साथ आप अपने मॉडल का परीक्षण कर सकते हैं। आप लाइव परीक्षण के लिए अपने वेबकैम का उपयोग कर सकते हैं या चित्र या वीडियो अपलोड कर सकते हैं।

आप अपने अपलोड किए गए मॉडल का उपयोग लेबलिंग सहायक के रूप में भी कर सकते हैं। यह सुविधा आपके प्रशिक्षित मॉडल का उपयोग करके अपलोड की गई छवियों पर एनोटेशन सुझाती है Roboflow.

मूल्यांकन कैसे करें YOLOv8 मॉडल

Roboflow मॉडल के मूल्यांकन में उपयोग के लिए कई सुविधाएँ प्रदान करता है।

एक बार जब आप एक मॉडल अपलोड कर लेते हैं Roboflow, आप हमारे मॉडल मूल्यांकन उपकरण तक पहुंच सकते हैं, जो आपके मॉडल के प्रदर्शन के साथ-साथ एक इंटरैक्टिव वेक्टर विश्लेषण साजिश दिखाते हुए एक भ्रम मैट्रिक्स प्रदान करता है। ये सुविधाएँ आपको अपने मॉडल को बेहतर बनाने के अवसर खोजने में मदद कर सकती हैं।

भ्रम मैट्रिक्स तक पहुंचने के लिए, अपने मॉडल पेज पर जाएं Roboflow डैशबोर्ड, फिर "विस्तृत मूल्यांकन देखें" पर क्लिक करें:

एक पॉप-अप एक भ्रम मैट्रिक्स दिखा दिखाई देगा:

बॉक्स से संबद्ध मान देखने के लिए भ्रम मैट्रिक्स पर किसी बॉक्स पर होवर करें. संबंधित श्रेणी में चित्र देखने के लिए एक बॉक्स पर क्लिक करें। मॉडल भविष्यवाणियों और उस छवि से जुड़े जमीनी सच्चाई डेटा को देखने के लिए एक छवि पर क्लिक करें।

अधिक जानकारी के लिए, वेक्टर विश्लेषण पर क्लिक करें. यह आपके डेटासेट में छवियों का एक स्कैटर प्लॉट दिखाएगा, जिसकी गणना CLIP का उपयोग करके की जाती है। कथानक में जितनी करीब की छवियां हैं, वे उतने ही समान हैं, शब्दार्थ रूप से। प्रत्येक छवि को सफेद और लाल रंग के बीच एक बिंदु के रूप में दर्शाया गया है। बिंदु जितना अधिक लाल होगा, मॉडल ने उतना ही खराब प्रदर्शन किया।

आप वेक्टर विश्लेषण का उपयोग निम्न के लिए कर सकते हैं:

• छवियों के समूहों का पता लगाएं;
• उन समूहों की पहचान करें जहां मॉडल खराब प्रदर्शन करता है, और;
• उन छवियों के बीच समानताओं की कल्पना करें जिन पर मॉडल खराब प्रदर्शन करता है।

सीखने के संसाधन

उपयोग करने के बारे में अधिक जानना चाहते हैं Roboflow बनाने के लिए YOLOv8 मॉडल? निम्नलिखित संसाधन आपके काम में सहायक हो सकते हैं।

• रेलगाड़ी YOLOv8 कस्टम डेटासेट पर: हमारी इंटरैक्टिव नोटबुक का अनुसरण करें जो आपको दिखाती है कि कैसे प्रशिक्षित किया जाए YOLOv8 कस्टम डेटासेट पर मॉडल।
• ऑटोडिस्टिल: विशिष्ट मॉडल के लिए डेटा लेबल करने के लिए बड़े नींव दृष्टि मॉडल का उपयोग करें। आप प्रशिक्षण में उपयोग के लिए छवियों को लेबल कर सकते हैं YOLOv8 ऑटोडिस्टिल के साथ वर्गीकरण, पहचान और विभाजन मॉडल।
• पर्यवेक्षण: A Python कंप्यूटर दृष्टि मॉडल के साथ काम करने में उपयोग के लिए सहायक उपयोगिताओं के साथ पैकेज। आप पर्यवेक्षण का उपयोग डिटेक्शन को फ़िल्टर करने, भ्रम मैट्रिसेस की गणना करने, और बहुत कुछ करने के लिए कर सकते हैं, सभी कुछ पंक्तियों में Python कोड।
• Roboflow ब्लॉग: द Roboflow ब्लॉग में कंप्यूटर दृष्टि पर 500 से अधिक लेख हैं, जिसमें विषयों को प्रशिक्षित करने के तरीके से शामिल हैं YOLOv8 एनोटेशन सर्वोत्तम प्रथाओं के लिए मॉडल।
• Roboflow YouTube चैनल: प्रशिक्षण से विषयों को कवर करते हुए, हमारे YouTube चैनल पर दर्जनों गहन कंप्यूटर विज़न गाइड ब्राउज़ करें YOLOv8 स्वचालित छवि लेबलिंग के लिए मॉडल।

प्रोजेक्ट शोकेस

नीचे उपयोग करने के लिए हमें प्राप्त प्रतिक्रिया के कई टुकड़े दिए गए हैं YOLOv8 और Roboflow कंप्यूटर दृष्टि मॉडल बनाने के लिए एक साथ।

टिप्पणियाँ