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
• 모델 견고성을 위한 데이터 사전 처리 및 보강
• Dataset management for YOLO11
• 모델 학습을 위해 40개 이상의 형식으로 데이터 내보내기
• 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.

Universe는 총 1억 개가 넘는 이미지가 포함된 25만 개 이상의 비전 데이터 세트가 있는 온라인 저장소입니다.

무료 계정( Roboflow )을 사용하면 유니버스에서 사용 가능한 모든 데이터세트를 내보낼 수 있습니다. 데이터세트를 내보내려면 데이터세트에서 "이 데이터세트 다운로드" 버튼을 클릭합니다.

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.

이미지를 직접 수집하려면 엣지에서 웹캠을 사용하여 이미지를 자동으로 수집할 수 있는 오픈 소스 프로젝트인 Collect를 사용해 보세요. Collect에서 텍스트 또는 이미지 프롬프트를 사용하여 수집할 데이터를 지시할 수 있으므로 비전 모델을 구축하는 데 필요한 유용한 데이터만 캡처할 수 있습니다.

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.

그런 다음, 이미지와 다른 도구에서가져온 기존 주석(지원되는 40개 이상의 가져오기 형식 중 하나 사용)을 Roboflow 에 업로드합니다.

이미지를 업로드한 후 주석 달기 페이지에서 업로드한 이미지의 일괄 처리를 선택합니다. 그런 다음 '주석 달기 시작'을 클릭하여 이미지에 라벨을 지정합니다.

경계 상자로 레이블을 지정하려면 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:

주석을 생성하면 주석에 사용할 클래스를 선택하라는 팝업이 나타납니다.

다각형으로 레이블을 지정하려면 P 키를 누르거나 사이드바의 다각형 아이콘을 클릭합니다. 다각형 주석 도구를 활성화한 상태에서 이미지의 개별 점을 클릭하여 다각형을 그립니다.

Roboflow 는 이미지에 라벨을 더 빠르게 붙일 수 있는 SAM 기반 라벨 어시스턴트를 제공합니다. SAM (Segment Anything Model)은 이미지에 정밀하게 라벨을 붙일 수 있는 최첨단 컴퓨터 비전 모델입니다. SAM 을 사용하면 이미지 라벨링 프로세스의 속도를 크게 높일 수 있습니다. 물체 주변의 점을 정확하게 클릭하는 지루한 과정 대신 몇 번의 클릭만으로 다각형으로 이미지에 주석을 달 수 있습니다.

라벨 도우미를 사용하려면 사이드바에서 커서 아이콘을 클릭하면 프로젝트에서 사용할 수 있도록 SAM 이 로드됩니다.

이미지의 개체 위로 마우스를 가져가면 SAM 에서 주석을 추천합니다. 마우스를 가져가서 주석을 달 적절한 위치를 찾은 다음 클릭하여 주석을 만들 수 있습니다. 주석을 더 구체적으로 수정하려면 SAM 이 문서에 만든 주석의 안쪽 또는 바깥쪽을 클릭하면 됩니다.

사이드바의 태그 패널에서 이미지에 태그를 추가할 수도 있습니다. 특정 지역의 데이터, 특정 카메라에서 촬영한 데이터 등에 태그를 적용할 수 있습니다. 그런 다음 이러한 태그를 사용하여 데이터에서 태그와 일치하는 이미지를 검색하고 특정 태그 또는 태그 집합이 포함된 이미지로 데이터 세트의 버전을 생성할 수 있습니다.

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.

모델을 선택한 다음 '계속'을 클릭하여 라벨 지원을 활성화합니다:

주석을 달 새 이미지를 열면 라벨 어시스트가 주석을 트리거하고 추천합니다.

Dataset Management for YOLO11

Roboflow 는 컴퓨터 비전 데이터 세트를 이해하기 위한 도구 모음을 제공합니다.

먼저 데이터 세트 검색을 사용하여 시맨틱 텍스트 설명을 충족하는 이미지(즉, 사람이 포함된 모든 이미지 찾기)나 지정된 라벨을 충족하는 이미지(즉, 이미지가 특정 태그와 연관되어 있음)를 찾을 수 있습니다. 데이터 세트 검색을 사용하려면 사이드바에서 '데이터 세트'를 클릭합니다. 그런 다음 페이지 상단의 검색창과 관련 필터를 사용하여 검색어를 입력합니다.

예를 들어, 다음 텍스트 쿼리는 데이터 세트에 사람이 포함된 이미지를 찾습니다:

'태그' 선택기를 사용하여 특정 태그가 있는 이미지로 검색 범위를 좁힐 수 있습니다:

데이터 세트로 모델 학습을 시작하기 전에 비전 모델을 학습하기 전에 데이터 세트에 대한 인사이트와 데이터 세트를 개선할 수 있는 방법을 제공하는 웹 도구인 Roboflow 상태 확인을 사용하는 것이 좋습니다.

상태 확인을 사용하려면 사이드바의 '상태 확인' 링크를 클릭합니다. 데이터 집합에 있는 이미지의 평균 크기, 클래스 잔액, 이미지에 주석이 있는 위치의 히트맵 등을 보여주는 통계 목록이 나타납니다.

상태 점검은 데이터 세트 성능 향상에 도움이 되는 변경 사항을 권장할 수 있습니다. 예를 들어, 클래스 균형 기능은 레이블에 불균형이 있음을 보여줄 수 있으며, 이를 해결하면 성능이나 모델을 향상시킬 수 있습니다.

모델 학습을 위해 40개 이상의 형식으로 데이터 내보내기

데이터를 내보내려면 데이터 집합 버전이 필요합니다. 버전은 데이터 집합의 시간이 고정된 상태입니다. 버전을 만들려면 먼저 사이드바에서 '버전'을 클릭합니다. 그런 다음 "새 버전 만들기" 버튼을 클릭합니다. 이 페이지에서 데이터 집합에 적용할 증강 및 전처리 단계를 선택할 수 있습니다:

선택한 각 확대 기능에 대해 필요에 따라 확대 기능을 조정할 수 있는 팝업이 나타납니다. 다음은 지정된 매개변수 내에서 밝기 증강을 조정하는 예시입니다:

데이터 세트 버전이 생성되면 데이터를 다양한 형식으로 내보낼 수 있습니다. 데이터 세트 버전 페이지에서 '데이터 세트 내보내기' 버튼을 클릭하여 데이터를 내보내세요:

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 는 배포된 모델에 대해 무한히 확장 가능한 API를 제공하며 NVIDIA Jetsons, Luxonis OAK, Raspberry Pis, GPU-기반 디바이스 등에 사용할 수 있는 SDK를 제공합니다.

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/")

이 코드에서 프로젝트 ID와 버전 ID를 계정 및 프로젝트의 값으로 바꿉니다. Roboflow API 키를 검색하는 방법을 알아보세요.

위의 코드를 실행하면 인증을 요청하는 메시지가 표시됩니다. 그런 다음 모델이 업로드되고 프로젝트에 대한 API가 생성됩니다. 이 과정은 완료하는 데 최대 30분이 걸릴 수 있습니다.

모델을 테스트하고 지원되는 SDK에 대한 배포 지침을 찾으려면 Roboflow 사이드바의 '배포' 탭으로 이동하세요. 이 페이지 상단에 모델을 테스트할 수 있는 위젯이 나타납니다. 웹캠을 사용하여 실시간 테스트를 하거나 이미지 또는 동영상을 업로드할 수 있습니다.

업로드한 모델을 라벨링 도우미로 사용할 수도 있습니다. 이 기능은 학습된 모델을 사용하여 Roboflow 에 업로드된 이미지에 주석을 추천합니다.

How to Evaluate YOLO11 Models

Roboflow 는 모델 평가에 사용할 수 있는 다양한 기능을 제공합니다.

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.

혼동 매트릭스에 액세스하려면 Roboflow 대시보드의 모델 페이지로 이동한 다음 '상세 평가 보기'를 클릭합니다:

혼동 매트릭스가 표시된 팝업이 나타납니다:

혼동 매트릭스의 상자 위로 마우스를 가져가면 해당 상자와 관련된 값을 볼 수 있습니다. 상자를 클릭하면 해당 카테고리의 이미지를 볼 수 있습니다. 이미지를 클릭하면 해당 이미지와 연관된 모델 예측 및 실측 데이터를 볼 수 있습니다.

더 많은 인사이트를 얻으려면 벡터 분석을 클릭합니다. 그러면 CLIP을 사용하여 계산된 데이터 세트의 이미지 분산형 차트가 표시됩니다. 플롯에서 이미지가 가까울수록 의미적으로 더 유사합니다. 각 이미지는 흰색과 빨간색 사이의 색상을 가진 점으로 표시됩니다. 점이 빨간색일수록 모델의 성능이 떨어집니다.

벡터 분석을 사용하여 다음을 수행할 수 있습니다:

• 이미지 클러스터를 찾습니다;
• 모델의 성능이 저조한 클러스터를 식별하고;
• 모델이 제대로 작동하지 않는 이미지 간의 공통점을 시각화합니다.

학습 리소스

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.
• 감독: 컴퓨터 비전 모델 작업에 사용할 수 있는 유용한 유틸리티가 포함된 Python 패키지입니다. 수퍼비전을 사용하여 탐지 필터링, 혼동 행렬 계산 등을 Python 코드 몇 줄로 수행할 수 있습니다.
• 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.

프로젝트 쇼케이스

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

자주 묻는 질문

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 키를 사용하여 상자의 경계를 지정하거나 P 키를 누르세요. 더 빠르게 주석을 달려면 사이드바에서 커서 아이콘을 클릭하여 SAM-기반 라벨 도우미를 사용하세요. 자세한 단계는 다음에서 확인할 수 있습니다. 여기.

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 에서는 혼동 행렬 및 벡터 분석 플롯을 포함한 모델 평가 도구를 제공합니다. 모델 페이지의 '상세 평가 보기' 버튼에서 이러한 도구에 액세스할 수 있습니다. 이러한 기능은 모델 성능 문제를 파악하고 개선할 영역을 찾는 데 도움이 됩니다. 자세한 내용은 이 섹션을 참조하세요.

📅 Created 11 months ago ✏️ Updated 12 days ago

댓글