Roboflow データセット

Roboflow を使って、YOLOv5 🚀モデルをトレーニングするためのデータセットの整理、ラベル付け、準備、バージョン管理、ホスティングができるようになった。Roboflow は、ワークスペースを公開すれば、YOLOv5 とともに無料で使える。

アップロード

ウェブ UI、REST API、または以下の方法でRoboflow にデータをアップロードできます。 Python.

ラベリング

Roboflow にデータをアップロードした後、データにラベルを付け、以前のラベルを確認することができます。

バージョニング

You can make versions of your dataset with different preprocessing and offline augmentation options. YOLOv5 does online augmentations natively, so be intentional when layering Roboflow offline augmentations on top.

データのエクスポート

YOLOv5 形式でデータをダウンロードすれば、すぐにトレーニングを開始できます。

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")

カスタム・トレーニング

上記のすべての機能をデモンストレーションするカスタムトレーニングチュートリアルをリリースしました。コードはこちらからアクセスできます：

アクティブ・ラーニング

現実の世界は混乱しており、あなたのモデルは必ず、データセットが予想しなかった状況に遭遇する。アクティブラーニングを使うことは、データセットとモデルを繰り返し改善するための重要な戦略である。Roboflow とYOLOv5 の統合により、テスト済みの機械学習パイプラインを使用して、モデルのデプロイメントを素早く改善することができます。

対応環境

Ultralytics をはじめとする必要不可欠な依存関係がプリインストールされた、さまざまなすぐに使える環境を提供する。 CUDAやCUDNN、 Pythonそして PyTorchなどがプリインストールされています。

• 無料GPU ノート:
• Google クラウド GCPクイックスタートガイド
• アマゾン AWSクイックスタートガイド
• Azure：AzureML クイックスタートガイド
• ドッカー: Dockerクイックスタートガイド

プロジェクト状況

このバッジは、YOLOv5 GitHub ActionsContinuous Integration (CI) テストがすべて正常にパスしていることを示します。これらのCIテストは、トレーニング、検証、推論、エクスポート、ベンチマークといったさまざまな重要な側面にわたって、YOLOv5 の機能とパフォーマンスを厳密にチェックします。これらのテストは、macOS、Windows、Ubuntu上で、24時間ごとおよび新しいコミットごとに実施され、一貫した信頼性の高い動作を保証します。

よくあるご質問

YOLOv5 モデルのトレーニング用にデータをRoboflow にアップロードするにはどうすればよいですか？

ウェブサイト、REST API、Python の3つの方法で、Roboflow にデータをアップロードできます。これらのオプションは、お客様の技術的なご希望やプロジェクトの要件に柔軟に対応します。データがアップロードされると、Ultralytics YOLOv5 モデルでトレーニングするための準備として、データの整理、ラベル付け、バージョン管理を行うことができます。詳細については、ドキュメントの「アップロード」セクションを参照してください。

データのラベリングとバージョニングにRoboflow を使用する利点は何ですか？

Roboflow は、効率的な機械学習ワークフローに不可欠なデータ整理、ラベリング、バージョニングのための包括的なプラットフォームを提供します。YOLOv5 でRoboflow を使用することで、データセットの準備プロセスを合理化し、データの正確な注釈付けと一貫したバージョニングを確実に行うことができます。また、このプラットフォームは、データセットの品質を高めるための様々な前処理やオフライン拡張オプションをサポートしています。これらの機能の詳細については、ドキュメントの「ラベリング」と「バージョニング」のセクションをご覧ください。

データセットをRoboflow からYOLOv5 形式にエクスポートするにはどうすればよいですか？

Roboflow からYOLOv5 形式へのデータセットのエクスポートは簡単です。ドキュメントで提供されているPython のコード・スニペットを使うことができる：

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")

このコードは、YOLOv5 と互換性のあるフォーマットでデータセットをダウンロードし、モデルのトレーニングを素早く開始できるようにします。詳細については、「データのエクスポート」のセクションを参照してください。

アクティブ・ラーニングとは何か、そしてYOLOv5 、Roboflow 。

能動学習は、最も情報量の多いデータ・ポイントをインテリジェントに選択してラベル付けすることで、モデルを反復的に改善する機械学習戦略です。Roboflow とYOLOv5 の統合により、モデルのパフォーマンスを継続的に向上させる能動学習を実装することができます。これには、モデルを展開し、新しいデータを取り込み、モデルを使って予測を行い、さらにモデルを訓練するためにそれらの予測を手動で検証または修正することが含まれます。アクティブ・ラーニングの詳細については、上記のアクティブ・ラーニングのセクションを参照してください。

YOLOv5 モデルのトレーニングにUltralytics 環境を異なるプラットフォームで使用するには？

Ultralytics は、CUDA 、CUDNN、Python 、および PyTorchなどの依存関係を持つ、すぐに使える環境を提供しています。これらの環境は、Google クラウド、AWS、Azure、Docker など、さまざまなプラットフォームで利用できます。また、無料のGPU ノートブックにもアクセスできる。 PaperspaceやGoogle Colab、Kaggle からも無料でアクセスできます。具体的なセットアップ方法については、ドキュメントの「サポートされている環境」セクションをご覧ください。

📅作成：1年前 ✏️更新しました 18日前

コメント