Roboflow

Roboflow has everything you need to build and deploy computer vision models. Connect Roboflow at any step in your pipeline with APIs and SDKs, or use the end-to-end interface to automate the entire process from image to inference. Whether you're in need of data labeling, model training, or model deployment, Roboflow gives you building blocks to bring custom computer vision solutions to your project.

In this guide, we are going to showcase how to find, label, and organize data for use in training a custom Ultralytics YOLO11 model. Use the table of contents below to jump directly to a specific section:

• Gather data for training a custom YOLO11 model
• Upload, convert and label data for YOLO11 format
• モデルのロバスト性を高めるためのデータの前処理と補強
• Dataset management for YOLO11
• モデルトレーニング用に40以上のフォーマットでデータをエクスポート
• Upload custom YOLO11 model weights for testing and deployment
• Gather Data for Training a Custom YOLO11 Model

Roboflow provides two services that can help you collect data for YOLO11 models: Universe and Collect.

Universeは、25万以上のビジョンデータセット、合計1億枚以上の画像を含むオンラインリポジトリです。

Roboflow （無料）のアカウントで、Universeで利用可能なすべてのデータセットをエクスポートできます。データセットをエクスポートするには、どのデータセットでも「Download this Dataset」ボタンをクリックしてください。

For YOLO11, select "YOLO11" as the export format:

Universe also has a page that aggregates all public fine-tuned YOLO11 models uploaded to Roboflow. You can use this page to explore pre-trained models you can use for testing or for automated data labeling or to prototype with Roboflow inference.

自分で画像を収集したい場合は、エッジ上のウェブカメラを使用して自動的に画像を収集できるオープンソースプロジェクト、Collectを試してみてください。Collectでは、テキストや画像のプロンプトを使用して、収集すべきデータを指示することができ、ビジョンモデルの構築に必要な有用なデータのみをキャプチャすることができます。

Upload, Convert and Label Data for YOLO11 Format

Roboflow Annotate is an online annotation tool for use in labeling images for object detection, classification, and segmentation.

To label data for a YOLO11 object detection, instance segmentation, or classification model, first create a project in Roboflow.

次に、画像と、他のツールから既存の注釈を（40種類以上サポートされているインポートフォーマットのいずれかを使用して）Roboflow にアップロードします。

画像のアップロード後に表示される注釈ページで、アップロードした画像のバッチを選択します。そして、"Start Annotating "をクリックして画像にラベルを付けます。

バウンディング・ボックスでラベルを付けるには B key on your keyboard or click the box icon in the sidebar. Click on a point where you want to start your bounding box, then drag to create the box:

アノテーションを作成すると、アノテーションのクラスを選択するポップアップが表示されます。

多角形のラベルを付けるには P キーを押すか、サイドバーの多角形アイコンをクリックします。多角形注釈ツールを有効にした状態で、画像内の個々の点をクリックして多角形を描きます。

Roboflow は、SAM- ベースのラベルアシスタントを提供し、これまで以上に高速に画像にラベルを付けることができます。SAM (Segment Anything Model）は、画像に正確にラベルを付けることができる最先端のコンピュータビジョンモデルです。SAM を使えば、画像のラベリング作業を大幅にスピードアップできます。ポリゴンを使った画像の注釈付けは、オブジェクトの周りの点を正確にクリックする退屈なプロセスではなく、数回クリックするだけで簡単になります。

ラベルアシスタントを使用するには、サイドバーのカーソルアイコンをクリックします。SAM 、プロジェクトで使用するためにロードされます。

画像内のオブジェクトにカーソルを合わせると、SAM が注釈をお勧めします。カーソルを合わせて注釈に適した場所を探し、クリックすると注釈が作成されます。注釈をより具体的に、またはより具体的に修正するには、SAM がドキュメント上に作成した注釈の内側または外側をクリックします。

サイドバーのタグパネルから画像にタグを追加することも可能。特定のエリアや特定のカメラで撮影されたデータなどにタグを適用できます。これらのタグを使用して、タグに一致する画像をデータから検索し、特定のタグまたはタグのセットを含む画像を含むバージョンのデータセットを生成できます。

Models hosted on Roboflow can be used with Label Assist, an automated annotation tool that uses your YOLO11 model to recommend annotations. To use Label Assist, first upload a YOLO11 model to Roboflow (see instructions later in the guide). Then, click the magic wand icon in the left sidebar and select your model for use in Label Assist.

モデルを選択し、"Continue "をクリックしてラベルアシストを有効にします：

注釈のために新しい画像を開くと、ラベルアシストがトリガーして注釈を推奨します。

Dataset Management for YOLO11

Roboflow は、コンピュータ・ビジョンのデータセットを理解するためのツール群を提供する。

まず、データセット検索を使用して、セマンティックなテキスト記述に合致する画像（つまり、人物を含むすべての画像を検索する）、または指定されたラベルに合致する画像（つまり、画像が特定のタグに関連付けられている）を検索することができます。データセット検索を使用するには、サイドバーの「データセット」をクリックします。次に、ページ上部の検索バーと関連フィルターを使用して検索クエリを入力します。

例えば、次のテキストクエリは、データセットから人物を含む画像を見つける：

タグ」セレクタを使って、特定のタグが付いた画像を絞り込んで検索することができます：

データセットを使ってモデルのトレーニングを始める前に、Roboflow Health Checkを使うことをお勧めします。このウェブツールは、ビジョンモデルのトレーニングの前に、データセットの状態を把握し、どのようにデータセットを改善できるかを教えてくれます。

Health Check を使用するには、サイドバーの "Health Check" リンクをクリックします。データセット内の画像の平均サイズ、クラスバランス、画像内のアノテーション位置のヒートマップなどを示す統計情報のリストが表示されます。

ヘルスチェックは、データセットのパフォーマンスを向上させるための変更を推奨します。例えば、クラスバランス機能は、ラベルに不均衡があることを示すかもしれません。

モデルトレーニング用に40以上のフォーマットでデータをエクスポート

データをエクスポートするには、データセットのバージョンが必要です。バージョンとは、データセットの状態を凍結したものです。バージョンを作成するには、まずサイドバーの「バージョン」をクリックします。そして、"Create New Version "ボタンをクリックしてください。このページで、データセットに適用する拡張と前処理のステップを選択することができます：

各補強を選択すると、ポップアップが表示され、必要に応じて調整を行うことができます。以下は、指定されたパラメーター内で明るさのオーグメントを調整する例です：

データセット・バージョンが生成されたら、データをさまざまな形式にエクスポートできます。データセット・バージョンのページにある「データセットをエクスポート」ボタンをクリックして、データをエクスポートしてください：

You are now ready to train YOLO11 on a custom dataset. Follow this written guide and YouTube video for step-by-step instructions or refer to the Ultralytics documentation.

Upload Custom YOLO11 Model Weights for Testing and Deployment

Roboflow は、NVIDIA Jetsons、Luxonis OAKs、Raspberry Pis、GPU- ベースのデバイスなどで使用するための、デプロイされたモデルとSDKのための無限にスケーラブルなAPIを提供します。

You can deploy YOLO11 models by uploading YOLO11 weights to Roboflow. You can do this in a few lines of Python code. Create a new Python file and add the following code:

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/")

このコードでは、プロジェクトIDとバージョンIDをアカウントとプロジェクトの値に置き換えてください。 Roboflow API キーを取得する方法については、こちらをご覧ください。

上記のコードを実行すると、認証を求められます。その後、あなたのモデルがアップロードされ、あなたのプロジェクト用のAPIが作成されます。このプロセスが完了するまでに最大30分かかることがあります。

モデルをテストし、サポートされているSDKのデプロイ手順を見つけるには、Roboflow サイドバーの「Deploy」タブにアクセスしてください。このページの上部に、モデルをテストできるウィジェットが表示されます。ライブテストのためにウェブカメラを使用したり、画像やビデオをアップロードすることができます。

また、アップロードしたモデルをラベリングアシスタントとして使用することもできます。この機能は、Roboflow にアップロードされた画像にアノテーションを推薦するために、あなたの学習済みモデルを使用します。

How to Evaluate YOLO11 Models

Roboflow は、モデルの評価に使用するためのさまざまな機能を提供する。

Once you have uploaded a model to Roboflow, you can access our model evaluation tool, which provides a confusion matrix showing the performance of your model as well as an interactive vector analysis plot. These features can help you find opportunities to improve your model.

混乱マトリックスにアクセスするには、Roboflow ダッシュボードのモデルページに行き、「詳細評価を見る」をクリックします：

混乱マトリックスがポップアップで表示されます：

混乱マトリックス上のボックスにカーソルを合わせると、そのボックスに関連する値が表示されます。ボックスをクリックすると、それぞれのカテゴリの画像が表示されます。画像をクリックすると、その画像に関連するモデル予測とグランドトゥルースデータが表示されます。

さらに詳しく知りたい場合は、「ベクトル分析」をクリックしてください。CLIPを使用して計算された、データセット内の画像の散布図が表示されます。プロット内で画像が近ければ近いほど、意味的に類似しています。各画像は、白と赤の間の色を持つドットとして表されます。ドットが赤ければ赤いほど、モデルのパフォーマンスが悪いことを示します。

ベクトル解析を使用すると、次のことができます：

• 画像のクラスターを見つける；
• モデルのパフォーマンスが低いクラスターを特定する；
• モデルの性能が低い画像間の共通点を可視化する。

学習リソース

Want to learn more about using Roboflow for creating YOLO11 models? The following resources may be helpful in your work.

• Train YOLO11 on a Custom Dataset: Follow our interactive notebook that shows you how to train a YOLO11 model on a custom dataset.
• Autodistill: Use large foundation vision models to label data for specific models. You can label images for use in training YOLO11 classification, detection, and segmentation models with Autodistill.
• スーパービジョン：Python コンピュータビジョンモデルを扱う際に役立つユーティリティを備えたパッケージ。Supervision を使って、検出のフィルタリングや混同行列の計算などを、Python の数行のコードで行うことができます。
• Roboflow Blog: The Roboflow Blog features over 500 articles on computer vision, covering topics from how to train a YOLO11 model to annotation best practices.
• Roboflow YouTube channel: Browse dozens of in-depth computer vision guides on our YouTube channel, covering topics from training YOLO11 models to automated image labeling.

プロジェクト・ショーケース

Below are a few of the many pieces of feedback we have received for using YOLO11 and Roboflow together to create computer vision models.

よくあるご質問

How do I label data for YOLO11 models using Roboflow?

Labeling data for YOLO11 models using Roboflow is straightforward with Roboflow Annotate. First, create a project on Roboflow and upload your images. After uploading, select the batch of images and click "Start Annotating." You can use the B キーでバウンディングボックス、または P キーを使用します。注釈を素早く行うには、サイドバーのカーソルアイコンをクリックして、SAM ベースのラベルアシスタントを使用します。詳しい手順は これ.

What services does Roboflow offer for collecting YOLO11 training data?

Roboflow provides two key services for collecting YOLO11 training data: Universe and Collect. Universe offers access to over 250,000 vision datasets, while Collect helps you gather images using a webcam and automated prompts.

How can I manage and analyze my YOLO11 dataset using Roboflow?

Roboflow offers robust dataset management tools, including dataset search, tagging, and Health Check. Use the search feature to find images based on text descriptions or tags. Health Check provides insights into dataset quality, showing class balance, image sizes, and annotation heatmaps. This helps optimize dataset performance before training YOLO11 models. Detailed information can be found here.

How do I export my YOLO11 dataset from Roboflow?

To export your YOLO11 dataset from Roboflow, you need to create a dataset version. Click "Versions" in the sidebar, then "Create New Version" and apply any desired augmentations. Once the version is generated, click "Export Dataset" and choose the YOLO11 format. Follow this process here.

How can I integrate and deploy YOLO11 models with Roboflow?

Integrate and deploy YOLO11 models on Roboflow by uploading your YOLO11 weights through a few lines of Python code. Use the provided script to authenticate and upload your model, which will create an API for deployment. For details on the script and further instructions, see this section.

What tools does Roboflow provide for evaluating YOLO11 models?

Roboflow には、混同行列やベクトル分析プロットなどのモデル評価ツールがあります。これらのツールは、モデルページの「詳細評価を見る」ボタンからアクセスできます。これらの機能は、モデルのパフォーマンス上の問題を特定し、改善点を見つけるのに役立ちます。詳細については、このセクションを参照してください。

📅 Created 11 months ago ✏️ Updated 22 days ago

コメント