Roboflow

Roboflow ha tutto ciò che serve per costruire e distribuire modelli di computer vision. Collegate Roboflow a qualsiasi fase della vostra pipeline con le API e gli SDK, oppure utilizzate l'interfaccia end-to-end per automatizzare l'intero processo, dall'immagine all'inferenza. Sia che si tratti di etichettatura dei dati, di addestramento del modello o di distribuzione del modello, Roboflow offre gli elementi di base per creare soluzioni di computer vision personalizzate per il vostro progetto.

In questa guida illustreremo come trovare, etichettare e organizzare i dati da utilizzare per l'addestramento di un modello personalizzato Ultralytics YOLO11 . Utilizzate l'indice sottostante per passare direttamente a una sezione specifica:

• Raccogliere dati per l'addestramento di un modello personalizzato YOLO11
• Caricamento, conversione ed etichettatura dei dati per il formato YOLO11
• Pre-elaborazione e aumento dei dati per la robustezza del modello
• Gestione dei set di dati per YOLO11
• Esportazione dei dati in oltre 40 formati per l'addestramento dei modelli
• Caricare i pesi del modello YOLO11 personalizzato per il test e la distribuzione
• Raccogliere i dati per l'addestramento di un modello personalizzato YOLO11

Roboflow fornisce due servizi che possono aiutare a raccogliere dati per i modelli di YOLO11 : Universe e Collect.

Universe è un archivio online con oltre 250.000 set di dati sulla visione per un totale di oltre 100 milioni di immagini.

Con un account gratuito su Roboflow , è possibile esportare qualsiasi set di dati disponibile su Universe. Per esportare un set di dati, fare clic sul pulsante "Scarica questo set di dati" su qualsiasi set di dati.

Per YOLO11, selezionare "YOLO11" come formato di esportazione:

Universe ha anche una pagina che aggrega tutti i modelli pubblici di YOLO11 caricati su Roboflow. Si può usare questa pagina per esplorare modelli pre-addestrati da usare per i test o per l 'etichettatura automatica dei dati o per fare prototipi con l'inferenzaRoboflow .

Se volete raccogliere le immagini da soli, provate Collect, un progetto open source che consente di raccogliere automaticamente le immagini utilizzando una webcam sul bordo. Con Collect è possibile utilizzare messaggi di testo o di immagine per indicare quali dati devono essere raccolti, consentendo di acquisire solo i dati utili per costruire il modello di visione.

Caricare, convertire ed etichettare i dati per il formato YOLO11

Roboflow Annotate è uno strumento di annotazione online che consente di etichettare le immagini per il rilevamento, la classificazione e la segmentazione degli oggetti.

Per etichettare i dati per un modello di rilevamento di oggetti, di segmentazione di istanze o di classificazione di YOLO11 , creare prima un progetto in Roboflow.

Quindi, caricare le immagini e le annotazioni preesistenti da altri strumenti(utilizzando uno degli oltre 40 formati di importazione supportati) in Roboflow.

Selezionare il gruppo di immagini caricate nella pagina Annotate a cui si accede dopo aver caricato le immagini. Quindi, fare clic su "Avvia annotazione" per etichettare le immagini.

Per etichettare con i riquadri di delimitazione, premere il tasto B sulla tastiera o fare clic sull'icona della casella nella barra laterale. Fare clic su un punto in cui si desidera iniziare il percorso riquadro di delimitazionee trascinare per creare il riquadro:

Una volta creata un'annotazione, appare un pop-up che chiede di selezionare una classe per l'annotazione.

Per etichettare con i poligoni, premere il tasto P o l'icona del poligono nella barra laterale. Con lo strumento di annotazione poligono abilitato, fare clic sui singoli punti dell'immagine per disegnare un poligono.

Roboflow offre un assistente alle etichette basato su SAM con il quale è possibile etichettare le immagini in modo più rapido che mai. SAM (Segment Anything Model) è un modello di visione artificiale all'avanguardia in grado di etichettare con precisione le immagini. Con SAM è possibile accelerare notevolmente il processo di etichettatura delle immagini. L'annotazione delle immagini con i poligoni diventa semplice come pochi clic, invece del noioso processo di fare clic con precisione sui punti intorno a un oggetto.

Per utilizzare l'assistente alle etichette, fare clic sull'icona del cursore nella barra laterale; SAM verrà caricato per essere utilizzato nel progetto.

Passando il mouse su qualsiasi oggetto dell'immagine, SAM suggerirà un'annotazione. È possibile passare il mouse per trovare il punto giusto da annotare, quindi fare clic per creare l'annotazione. Per modificare l'annotazione in modo più o meno specifico, è possibile fare clic all'interno o all'esterno dell'annotazione creata da SAM sul documento.

È inoltre possibile aggiungere tag alle immagini dal pannello Tag nella barra laterale. È possibile applicare i tag a dati provenienti da una particolare area, ripresi da una specifica fotocamera e altro ancora. È quindi possibile utilizzare questi tag per cercare tra i dati le immagini che corrispondono a un tag e generare versioni di un set di dati con immagini che contengono un particolare tag o set di tag.

I modelli ospitati su Roboflow possono essere utilizzati con Label Assist, uno strumento di annotazione automatica che utilizza il modello YOLO11 per consigliare le annotazioni. Per usare Label Assist, caricare prima un modello YOLO11 su Roboflow (vedere le istruzioni più avanti nella guida). Quindi, fare clic sull'icona della bacchetta magica nella barra laterale sinistra e selezionare il modello da usare in Label Assist.

Scegliere un modello, quindi fare clic su "Continua" per attivare il Label Assist:

Quando si aprono nuove immagini da annotare, Label Assist attiva e consiglia le annotazioni.

Gestione dei set di dati per YOLO11

Roboflow fornisce una suite di strumenti per la comprensione di insiemi di dati di computer vision.

In primo luogo, è possibile utilizzare la ricerca per set di dati per trovare le immagini che soddisfano una descrizione semantica del testo (ad esempio, trovare tutte le immagini che contengono persone) o che soddisfano un'etichetta specifica (ad esempio, l'immagine è associata a un tag specifico). Per utilizzare la ricerca per dataset, fare clic su "Dataset" nella barra laterale. Quindi, inserire una query di ricerca utilizzando la barra di ricerca e i filtri associati nella parte superiore della pagina.

Ad esempio, la seguente query di testo trova le immagini che contengono persone in un set di dati:

È possibile restringere la ricerca alle immagini con un particolare tag utilizzando il selettore "Tag":

Prima di iniziare l'addestramento di un modello con il vostro set di dati, vi consigliamo di utilizzare Roboflow Health Check, uno strumento web che fornisce una panoramica del vostro set di dati e di come potete migliorare il set di dati prima di addestrare un modello di visione.

Per utilizzare Health Check, fare clic sul collegamento della barra laterale "Health Check". Apparirà un elenco di statistiche che mostrano la dimensione media delle immagini nel dataset, il bilanciamento delle classi, una mappa di calore della posizione delle annotazioni nelle immagini e altro ancora.

Health Check può consigliare modifiche per migliorare le prestazioni del dataset. Ad esempio, la funzione di bilanciamento delle classi può mostrare uno squilibrio nelle etichette che, se risolto, può aumentare le prestazioni del modello.

Esportazione dei dati in oltre 40 formati per l'addestramento dei modelli

Per esportare i dati, è necessaria una versione del set di dati. Una versione è uno stato del dataset congelato nel tempo. Per creare una versione, cliccare prima su "Versioni" nella barra laterale. Quindi, fare clic sul pulsante "Crea nuova versione". In questa pagina è possibile scegliere gli incrementi e le fasi di preelaborazione da applicare al set di dati:

Per ogni incremento selezionato, appare un pop-up che consente di sintonizzare l'incremento in base alle proprie esigenze. Ecco un esempio di regolazione di un aumento di luminosità entro i parametri specificati:

Una volta generata la versione del dataset, è possibile esportare i dati in diversi formati. Fare clic sul pulsante "Esporta dataset" nella pagina della versione del dataset per esportare i dati:

Ora si è pronti ad addestrare YOLO11 su un set di dati personalizzato. Seguite questa guida scritta e il video di YouTube per le istruzioni passo-passo o consultate la documentazione di Ultralytics .

Caricare i pesi del modello personalizzato YOLO11 per il test e la distribuzione

Roboflow offre un'API infinitamente scalabile per modelli distribuiti e SDK da utilizzare con NVIDIA Jetsons, Luxonis OAKs, Raspberry Pis, dispositivi basati su GPU e altro ancora.

È possibile distribuire i modelli di YOLO11 caricando i pesi di YOLO11 su Roboflow. È possibile farlo con poche righe di codice di Python . Creare un nuovo file Python e aggiungere il seguente codice:

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/")

In questo codice, sostituire l'ID progetto e l'ID versione con i valori dell'account e del progetto. Scoprite come recuperare la vostra chiave API Roboflow .

Quando si esegue il codice qui sopra, verrà chiesto di autenticarsi. Quindi, il modello verrà caricato e verrà creata un'API per il progetto. Questo processo può richiedere fino a 30 minuti per essere completato.

Per testare il modello e trovare le istruzioni di distribuzione per gli SDK supportati, andare alla scheda "Deploy" nella barra laterale Roboflow . Nella parte superiore di questa pagina, apparirà un widget con il quale è possibile testare il modello. È possibile utilizzare la webcam per i test dal vivo o caricare immagini o video.

È anche possibile utilizzare il modello caricato come assistente di etichettatura. Questa funzione utilizza il modello addestrato per consigliare le annotazioni sulle immagini caricate su Roboflow.

Come valutare i modelli di YOLO11

Roboflow fornisce una serie di funzioni da utilizzare per la valutazione dei modelli.

Una volta caricato un modello su Roboflow, è possibile accedere al nostro strumento di valutazione del modello, che fornisce una matrice di confusione che mostra le prestazioni del modello e un grafico interattivo di analisi vettoriale. Queste funzioni possono aiutare a trovare opportunità di miglioramento del modello.

Per accedere a una matrice di confusione, accedere alla pagina del modello sul cruscotto Roboflow , quindi fare clic su "View Detailed Evaluation" (Visualizza valutazione dettagliata):

Viene visualizzata una matrice di confusione:

Passare il mouse su una casella della matrice di confusione per visualizzare il valore associato alla casella. Fare clic su una casella per visualizzare le immagini della rispettiva categoria. Fare clic su un'immagine per visualizzare le previsioni del modello e i dati di verità a terra associati a quell'immagine.

Per ulteriori approfondimenti, fare clic su Analisi vettoriale. Viene visualizzato un grafico a dispersione delle immagini del set di dati, calcolato con CLIP. Più le immagini sono vicine nel grafico, più sono simili dal punto di vista semantico. Ogni immagine è rappresentata come un punto di colore compreso tra il bianco e il rosso. Più il punto è rosso, peggiore è la performance del modello.

È possibile utilizzare l'analisi vettoriale per:

• Trova i cluster di immagini;
• Identificare i cluster in cui il modello non funziona bene;
• Visualizzare i punti in comune tra le immagini su cui il modello non funziona bene.

Risorse didattiche

Volete saperne di più sull'uso di Roboflow per creare modelli di YOLO11 ? Le seguenti risorse possono essere utili per il vostro lavoro.

• Addestrare YOLO11 su un dataset personalizzato: Seguite il nostro notebook interattivo che vi mostra come addestrare un modello YOLO11 su un dataset personalizzato.
• Autodistill: utilizzare modelli di visione di grande fondazione per etichettare i dati per modelli specifici. Con Autodistill è possibile etichettare le immagini da utilizzare per l'addestramento dei modelli di classificazione, rilevamento e segmentazione di YOLO11 .
• Supervisione: Un pacchetto di Python con utili utilità per lavorare con i modelli di visione artificiale. È possibile usare la supervisione per filtrare i rilevamenti, calcolare le matrici di confusione e altro ancora, il tutto in poche righe di codice Python .
• Roboflow Blog: Il blog di Roboflow contiene oltre 500 articoli sulla computer vision, che trattano argomenti come l'addestramento di un modello YOLO11 e le migliori pratiche di annotazione.
• Roboflow Canale YouTube: Sul nostro canale YouTube sono disponibili decine di guide approfondite sulla computer vision, che trattano argomenti quali l'addestramento di modelli YOLO11 e l'etichettatura automatica delle immagini.

Vetrina del progetto

Di seguito sono riportati alcuni dei numerosi feedback ricevuti sull'utilizzo di YOLO11 e Roboflow per la creazione di modelli di computer vision.

FAQ

Come si etichettano i dati per i modelli di YOLO11 utilizzando Roboflow?

L'etichettatura dei dati per i modelli di YOLO11 utilizzando Roboflow è semplice con Roboflow Annotate. Per prima cosa, create un progetto su Roboflow e caricate le immagini. Dopo il caricamento, selezionare il gruppo di immagini e fare clic su "Start Annotating". È possibile utilizzare la funzione B per i riquadri di delimitazione o il tasto P per i poligoni. Per un'annotazione più rapida, utilizzare l'assistente alle etichette basato su SAM, facendo clic sull'icona del cursore nella barra laterale. I passaggi dettagliati si trovano in qui.

Quali servizi offre Roboflow per la raccolta deidati di formazione YOLO11 ?

Roboflow fornisce due servizi chiave per la raccolta dei dati di formazione di YOLO11 : Universe e Collect. Universe offre l'accesso a oltre 250.000 set di dati di visione, mentre Collect aiuta a raccogliere immagini utilizzando una webcam e suggerimenti automatici.

Come posso gestire e analizzare il mio set di dati YOLO11 utilizzando Roboflow?

Roboflow offre solidi strumenti di gestione dei dataset, tra cui la ricerca dei dataset, l'etichettatura e l'Health Check. Utilizzate la funzione di ricerca per trovare le immagini in base alle descrizioni testuali o ai tag. Health Check fornisce informazioni sulla qualità del dataset, mostrando il bilanciamento delle classi, le dimensioni delle immagini e le heatmap delle annotazioni. Questo aiuta a ottimizzare le prestazioni del set di dati prima di addestrare i modelli di YOLO11 . Informazioni dettagliate sono disponibili qui.

Come posso esportare il mio dataset YOLO11 da Roboflow?

Per esportare il dataset YOLO11 da Roboflow, è necessario creare una versione del dataset. Fare clic su "Versioni" nella barra laterale, quindi su "Crea nuova versione" e applicare le modifiche desiderate. Una volta generata la versione, fare clic su "Export Dataset" e scegliere il formato YOLO11 . Seguire questa procedura qui.

Come posso integrare e distribuire i modelli di YOLO11 con Roboflow?

Integrare e distribuire i modelli di YOLO11 su Roboflow caricando i pesi di YOLO11 attraverso poche righe di codice di Python . Utilizzare lo script fornito per autenticare e caricare il modello, che creerà un'API per la distribuzione. Per i dettagli sullo script e ulteriori istruzioni, vedere questa sezione.

Quali strumenti fornisce Roboflow per valutare i modelli di YOLO11 ?

Roboflow offre strumenti di valutazione dei modelli, tra cui una matrice di confusione e grafici di analisi vettoriale. Si può accedere a questi strumenti dal pulsante "Visualizza valutazione dettagliata" nella pagina del modello. Queste funzioni aiutano a identificare i problemi di prestazione del modello e a individuare le aree da migliorare. Per ulteriori informazioni, consultare questa sezione.

📅C reato 1 anno fa ✏️ Aggiornato 2 mesi fa

Commenti