Roboflow

Roboflow fornisce strumenti per l'etichettatura dei dati e l'esportazione di set di dati in vari formati, incluso YOLO. Questa guida illustra l'etichettatura, l'esportazione e l'implementazione dei dati per Ultralytics YOLO .

Questa guida mostra come trovare, etichettare e organizzare i dati per l'addestramento di un modello Ultralytics YOLO26 personalizzato utilizzando Roboflow.

• Raccogliere dati per la formazione
• Dati dell'etichetta
• Gestione dei dataset
• Esporta Dati
• Distribuisci modelli
• Valutare i modelli
• FAQ

Raccogliere dati per l'addestramento di un modello YOLO26 personalizzato

Roboflow offre due servizi principali per assistere nella raccolta di dati per i modelli YOLO di Ultralytics: Universe e Collect. Per informazioni più generali sulle strategie di raccolta dati, consulta la nostra Guida alla raccolta e all'annotazione dei dati.

Roboflow Universe

Roboflow è un archivio online di set di dati di visione. È possibile esportare set di dati in YOLO per utilizzarli con Ultralytics .

Roboflow Collect

Se preferisci raccogliere tu stesso le immagini, Roboflow Collect è un progetto open source che consente la raccolta automatica di immagini tramite una webcam su dispositivi edge. Puoi utilizzare prompt di testo o immagini per specificare i dati da raccogliere, aiutando a catturare solo le immagini necessarie per il tuo modello di visione.

Carica, converti ed etichetta i dati per il formato YOLO26

Roboflow Annotate è uno strumento online per l'etichettatura di immagini per varie attività di computer vision, tra cui object detection, classificazione e segmentazione.

Etichettare i dati per Ultralytics YOLO , crea un progetto in Roboflow, carica le tue immagini e inizia ad annotarle.

Strumenti di annotazione

• Annotazione Bounding Box: Premi B oppure clicca sull'icona della casella. Clicca e trascina per creare il riquadro di delimitazione. Un pop-up ti chiederà di selezionare una classe per l'annotazione.
• Annotazione Poligonale: Utilizzato per segmentazione delle istanze. Premi P oppure clicca sull'icona del poligono. Clicca sui punti attorno all'oggetto per disegnare il poligono.

Assistente all'etichettatura (Integrazione SAM)

Roboflow integra un assistente di etichettatura basato su Segment Anything Model (SAM) per velocizzare potenzialmente l'annotazione.

Per utilizzare l'assistente etichettatura, fai clic sull'icona del cursore nella barra laterale. SAM verrà abilitato per il tuo progetto.

Passa con il mouse sopra un oggetto e SAM potrebbe suggerire un'annotazione. Clicca per accettare l'annotazione. Puoi affinare la specificità dell'annotazione cliccando all'interno o all'esterno dell'area suggerita.

Etichettatura

È possibile aggiungere tag alle immagini utilizzando il pannello Tags nella barra laterale. I tag possono rappresentare attributi come la posizione, la sorgente della fotocamera, ecc. Questi tag consentono di cercare immagini specifiche e generare versioni del set di dati contenenti immagini con tag particolari.

Assistenza all'etichettatura (basata su modello)

I modelli ospitati su Roboflow essere utilizzati con Label Assist per suggerire annotazioni. Carica i pesi YOLO tuo YOLO su Roboflow vedi istruzioni sotto), quindi attiva Label Assist tramite l'icona della bacchetta magica nella barra laterale.

Gestione del dataset per YOLO26

Roboflow fornisce diversi strumenti per comprendere e gestire i tuoi dataset di computer vision.

Ricerca dataset

Utilizza la ricerca nel set di dati per trovare immagini in base a descrizioni testuali o etichette/tag specifici. Accedi a questa funzione cliccando su "Set di dati" nella barra laterale.

Controllo dello stato

Prima dell'addestramento, utilizza Roboflow Health Check per ottenere informazioni sul tuo set di dati e identificare potenziali miglioramenti. Accedervi tramite il link della barra laterale "Health Check". Fornisce statistiche sulle dimensioni delle immagini, sull'equilibrio delle classi, sulle mappe di calore delle annotazioni e altro ancora.

Il controllo dello stato potrebbe suggerire modifiche per migliorare le prestazioni, come ad esempio la correzione degli squilibri di classe identificati nella funzionalità di bilanciamento delle classi. Comprendere lo stato del dataset è fondamentale per un efficace addestramento del modello.

Pre-elabora e aumenta i dati per la robustezza del modello

Per esportare i tuoi dati, devi creare una versione del dataset, che è un'istantanea del tuo dataset in un momento specifico. Clicca su "Versioni" nella barra laterale, poi su "Crea nuova versione". Qui, puoi applicare passaggi di preelaborazione e aumentazioni dei dati per migliorare potenzialmente la robustezza del modello.

Per ogni aumento selezionato, un pop-up consente di mettere a punto i suoi parametri come la luminosità. Un aumento corretto può migliorare significativamente la generalizzazione del modello, un concetto chiave discusso nella nostra guida ai suggerimenti per l'addestramento del modello.

Esporta i dati in oltre 40 formati per l'addestramento del modello

Una volta generata la versione del dataset, è possibile esportarla in vari formati adatti al training del modello. Fare clic sul pulsante "Esporta dataset" nella pagina della versione.

Selezionate il formato "YOLO26" per la compatibilità con le pipeline di addestramento di Ultralytics. Siete ora pronti per addestrare il vostro modello YOLO26 personalizzato. Consultate la documentazione della modalità Train di Ultralytics per istruzioni dettagliate sull'avvio dell'addestramento con il vostro dataset esportato.

Carica i pesi del modello YOLO26 personalizzato per test e deployment

Roboflow offre un'API scalabile per modelli distribuiti e SDK compatibili con dispositivi come NVIDIA Jetson, Luxonis OAK, Raspberry Pi e sistemi basati su GPU. Esplora le varie opzioni di distribuzione dei modelli nelle nostre guide.

È possibile distribuire modelli YOLO26 caricando i loro pesi su Roboflow utilizzando un semplice script Python.

Crea un nuovo file python e aggiungi il seguente codice:

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.")

In questo codice, sostituisci your-workspace-id, your-project-id, la funzione VERSION numero, e il MODEL_PATH con i valori specifici del tuo account Roboflow, del progetto e della directory locale dei risultati di training. Assicurati che il MODEL_PATH punta correttamente alla directory contenente il tuo modello addestrato best.pt file dei pesi.

Quando esegui il codice sopra, ti verrà chiesto di autenticarti (di solito tramite una chiave API). Quindi, il tuo modello verrà caricato e verrà creato un endpoint API per il tuo progetto. Questo processo può richiedere fino a 30 minuti per essere completato.

Per testare il tuo modello e trovare le istruzioni di implementazione per gli SDK supportati, vai alla scheda "Deploy" nella barra laterale di Roboflow. Nella parte superiore di questa pagina, apparirà un widget che ti permetterà di testare il tuo modello utilizzando la tua webcam o caricando immagini o video.

Il tuo modello caricato può anche essere utilizzato come assistente all'etichettatura, suggerendo annotazioni su nuove immagini in base al suo addestramento.

Come valutare i modelli YOLO26

Roboflow fornisce funzionalità per la valutazione delle prestazioni del modello. Comprendere le metriche di performance è fondamentale per l'iterazione del modello.

Dopo aver caricato un modello, accedi allo strumento di valutazione del modello tramite la pagina del modello sulla dashboard di Roboflow. Clicca su "Visualizza valutazione dettagliata".

Questo strumento visualizza una matrice di confusione che illustra le prestazioni del modello e un grafico interattivo di analisi vettoriale utilizzando gli incorporamenti CLIP. Queste funzionalità aiutano a identificare le aree di miglioramento del modello.

La finestra pop-up della matrice di confusione:

Passa con il mouse sopra le celle per visualizzare i valori e clicca sulle celle per visualizzare le immagini corrispondenti con le previsioni del modello e i dati di riferimento.

Fai clic su "Analisi vettoriale" per un grafico a dispersione che visualizza la somiglianza delle immagini in base agli embedding CLIP. Le immagini più vicine sono semanticamente simili. I punti rappresentano le immagini, colorate dal bianco (buone prestazioni) al rosso (scarse prestazioni).

L'analisi vettoriale aiuta a:

• Identifica i cluster di immagini.
• Individua i cluster in cui il modello ha prestazioni insufficienti.
• Comprendere le somiglianze tra le immagini che causano prestazioni scadenti.

Risorse per l'apprendimento

• Addestra YOLO un set di dati personalizzato (Colab): notebook Google interattivo per l'addestramento sui tuoi dati.
• YOLO Ultralytics YOLO : Addestramento, esportazione e implementazione YOLO .
• Ultralytics : articoli sulla visione artificiale e l'addestramento dei modelli.
• Ultralytics : guide video sulla formazione e l'implementazione dei modelli.

FAQ

Come etichetto i dati per i modelli YOLO26 utilizzando Roboflow?

Utilizza Roboflow Annotate. Crea un progetto, carica le immagini e utilizza gli strumenti di annotazione (B per bounding box, P per poligoni) o l'assistente di etichettatura basato su SAM per un'etichettatura più rapida. I passaggi dettagliati sono disponibili nella Sezione Carica, converti ed etichetta i dati.

Quali servizi offre Roboflow per la raccolta di dati di addestramento YOLO26?

Roboflow fornisce Universe (accesso a numerosi dataset) e Collect (raccolta automatizzata di immagini tramite webcam). Questi possono aiutare ad acquisire i dati di addestramento necessari per il vostro modello YOLO26, integrando le strategie delineate nella nostra Guida alla Raccolta Dati.

Come posso gestire e analizzare il mio dataset YOLO26 utilizzando Roboflow?

Utilizza le funzionalità di ricerca, tagging e Health Check del set di dati di Roboflow. La ricerca trova immagini per testo o tag, mentre Health Check analizza la qualità del set di dati (bilanciamento delle classi, dimensioni delle immagini, ecc.) per guidare i miglioramenti prima dell'addestramento. Consulta la sezione Gestione del set di dati per i dettagli.

Come si esporta il mio dataset YOLO26 da Roboflow?

Create una versione del dataset in Roboflow, applicate il pre-processing e le data augmentation desiderati, quindi cliccate su "Export Dataset" e selezionate il formato YOLO26. Il processo è descritto nella sezione Esporta Dati. Questo prepara i vostri dati per l'utilizzo con le pipeline di addestramento di Ultralytics.

Come posso integrare e distribuire modelli YOLO26 con Roboflow?

Caricate i pesi del vostro modello YOLO26 addestrato su Roboflow utilizzando lo script Python fornito. Questo crea un endpoint API distribuibile. Consultate la sezione Carica Pesi Personalizzati per lo script e le istruzioni. Esplorate ulteriori opzioni di distribuzione nella nostra documentazione.

📅 Creato 2 anni fa ✏️ Aggiornato 2 giorni fa

Commenti