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

YOLOv5 はネイティブにオンライン拡張を行うので、Roboflow のオフライン拡張を上に重ねるときは意図的に行うこと。

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 は、CUDAや CUDNNといった必要不可欠な依存関係がプリインストールされた、すぐに使えるさまざまな環境を提供します、 Pythonそして PyTorchなどの不可欠な依存関係がプリインストールされています。

• 無料GPUノートブック:
• グーグル・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。

コメント