Roboflow

O Roboflow fornece ferramentas para rotulagem de dados e exportação de conjuntos de dados em vários formatos, incluindo YOLO. Este guia aborda a rotulagem, exportação e implantação de dados para modelos Ultralytics YOLO.

Este guia demonstra como encontrar, rotular e organizar dados para treinar um modelo personalizado Ultralytics YOLO26 usando o Roboflow.

• Coletar dados para treinamento
• Rotular dados
• Gerenciamento de conjuntos de dados
• Exportar dados
• Implantar modelos
• Avaliar modelos
• Perguntas frequentes

Coletar dados para o treinamento de um modelo YOLO26 personalizado

O Roboflow oferece dois serviços principais para auxiliar na coleta de dados para modelos YOLO da Ultralytics: Universe e Collect. Para informações mais gerais sobre estratégias de coleta de dados, consulte nosso Guia de Coleta e Anotação de Dados.

Roboflow Universe

O Roboflow Universe é um repositório online de conjuntos de dados de visão computacional. Você pode exportar conjuntos de dados no formato YOLO para uso com modelos Ultralytics.

Roboflow Collect

Se preferir coletar imagens por conta própria, o Roboflow Collect é um projeto de código aberto que permite a coleta automática de imagens via webcam em dispositivos de borda. Você pode usar prompts de texto ou imagem para especificar os dados a serem coletados, ajudando a capturar apenas as imagens necessárias para o seu modelo de visão.

Fazer upload, converter e rotular dados para o formato YOLO26

O Roboflow Annotate é uma ferramenta online para rotular imagens para várias tarefas de visão computacional, incluindo detecção de objetos, classificação e segmentação.

Para rotular dados para um modelo YOLO da Ultralytics, crie um projeto no Roboflow, faça o upload das suas imagens e comece a anotar.

Ferramentas de anotação

• Anotação de caixa delimitadora (BBox): Pressione B ou clique no ícone da caixa. Clique e arraste para criar a caixa delimitadora. Um pop-up solicitará que você selecione uma classe para a anotação.
• Anotação de polígono: Usada para segmentação de instâncias. Pressione P ou clique no ícone de polígono. Clique em pontos ao redor do objeto para desenhar o polígono.

Assistente de rotulagem (integração SAM)

O Roboflow integra um assistente de rotulagem baseado no Segment Anything Model (SAM) para potencialmente acelerar a anotação.

Para usar o assistente de rotulagem, clique no ícone de cursor na barra lateral. O SAM será ativado para o seu projeto.

Passe o mouse sobre um objeto e o SAM poderá sugerir uma anotação. Clique para aceitar a anotação. Você pode refinar a especificidade da anotação clicando dentro ou fora da área sugerida.

Marcação (Tagging)

Você pode adicionar tags às imagens usando o painel Tags na barra lateral. As tags podem representar atributos como local, fonte da câmera, etc. Essas tags permitem que você pesquise imagens específicas e gere versões de conjuntos de dados contendo imagens com tags específicas.

Assistência de rotulagem (baseada em modelo)

Modelos hospedados no Roboflow podem ser usados com o Label Assist para sugerir anotações. Faça o upload dos pesos do seu modelo YOLO para o Roboflow (veja as instruções abaixo), depois ative o Label Assist através do ícone de varinha mágica na barra lateral.

Gerenciamento de conjuntos de dados para YOLO26

O Roboflow oferece várias ferramentas para entender e gerenciar seus conjuntos de dados de visão computacional.

Pesquisa de conjunto de dados

Use a pesquisa de conjunto de dados para encontrar imagens com base em descrições de texto ou rótulos/tags específicos. Acesse este recurso clicando em "Dataset" na barra lateral.

Verificação de integridade (Health Check)

Antes do treinamento, use o Roboflow Health Check para obter insights sobre seu conjunto de dados e identificar possíveis melhorias. Acesse-o através do link "Health Check" na barra lateral. Ele fornece estatísticas sobre tamanhos de imagem, equilíbrio de classes, mapas de calor de anotação e muito mais.

O Health Check pode sugerir mudanças para melhorar o desempenho, como abordar desequilíbrios de classe identificados no recurso de equilíbrio de classe. Entender a integridade do conjunto de dados é crucial para um treinamento de modelo eficaz.

Pré-processar e aumentar dados para robustez do modelo

Para exportar seus dados, você precisa criar uma versão do conjunto de dados, que é um instantâneo do seu conjunto de dados em um momento específico. Clique em "Versions" na barra lateral, depois em "Create New Version". Aqui, você pode aplicar etapas de pré-processamento e aumentos de dados para potencialmente aumentar a robustez do modelo.

Para cada aumento selecionado, um pop-up permite que você ajuste seus parâmetros, como brilho. O aumento adequado pode melhorar significativamente a generalização do modelo, um conceito chave discutido em nosso guia de dicas de treinamento de modelos.

Exportar dados em mais de 40 formatos para treinamento de modelo

Assim que a versão do seu conjunto de dados for gerada, você poderá exportá-la em vários formatos adequados para o treinamento de modelos. Clique no botão "Export Dataset" na página da versão.

Selecione o formato "YOLO26" para compatibilidade com os pipelines de treinamento da Ultralytics. Você está agora pronto para treinar seu modelo YOLO26 personalizado. Consulte a documentação do modo de treinamento da Ultralytics para obter instruções detalhadas sobre como iniciar o treinamento com seu conjunto de dados exportado.

Fazer upload de pesos de modelo YOLO26 personalizados para teste e implantação

O Roboflow oferece uma API escalável para modelos implantados e SDKs compatíveis com dispositivos como NVIDIA Jetson, Luxonis OAK, Raspberry Pi e sistemas baseados em GPU. Explore várias opções de implantação de modelos em nossos guias.

Você pode implantar modelos YOLO26 fazendo o upload de seus pesos para o Roboflow usando um script Python simples.

Crie um novo arquivo Python e adicione o seguinte código:

import roboflow  # install with 'pip install roboflow'

# Log in to Roboflow (requires API key)
roboflow.login()

# Initialize Roboflow client
rf = roboflow.Roboflow()

# Define your workspace and project details
WORKSPACE_ID = "your-workspace-id"  # Replace with your actual Workspace ID
PROJECT_ID = "your-project-id"  # Replace with your actual Project ID
VERSION = 1  # Replace with your desired dataset version number
MODEL_PATH = "path/to/your/runs/detect/train/"  # Replace with the path to your YOLO26 training results directory

# Get project and version
project = rf.workspace(WORKSPACE_ID).project(PROJECT_ID)
dataset = project.version(VERSION)

# Upload model weights for deployment
# Ensure MODEL_PATH points to the directory containing 'best.pt'
dataset.deploy(
    model_type="yolov8",
    model_path=MODEL_PATH,
)  # Note: Use "yolov8" as model_type for YOLO26 compatibility in Roboflow deployment

print(f"Model from {MODEL_PATH} uploaded to Roboflow project {PROJECT_ID}, version {VERSION}.")
print("Deployment may take up to 30 minutes.")

Neste código, substitua your-workspace-id, your-project-id, o número da VERSION e o MODEL_PATH pelos valores específicos da sua conta Roboflow, projeto e diretório de resultados de treinamento local. Certifique-se de que o MODEL_PATH aponte corretamente para o diretório que contém seu arquivo de pesos best.pt treinado.

Ao executar o código acima, você será solicitado a autenticar (geralmente via chave de API). Em seguida, seu modelo será enviado e um endpoint de API será criado para seu projeto. Esse processo pode levar até 30 minutos para ser concluído.

Para testar seu modelo e encontrar instruções de implantação para SDKs compatíveis, vá para a guia "Deploy" na barra lateral do Roboflow. No topo desta página, um widget aparecerá permitindo que você teste seu modelo usando sua webcam ou fazendo upload de imagens ou vídeos.

Seu modelo enviado também pode ser usado como assistente de rotulagem, sugerindo anotações em novas imagens com base em seu treinamento.

Como avaliar modelos YOLO26

O Roboflow fornece recursos para avaliar o desempenho do modelo. Entender as métricas de desempenho é crucial para a iteração do modelo.

Após o upload de um modelo, acesse a ferramenta de avaliação de modelo através da página do seu modelo no painel do Roboflow. Clique em "View Detailed Evaluation."

Esta ferramenta exibe uma matriz de confusão ilustrando o desempenho do modelo e um gráfico interativo de análise vetorial usando embeddings CLIP. Esses recursos ajudam a identificar áreas para melhoria do modelo.

O pop-up da matriz de confusão:

Passe o mouse sobre as células para ver os valores e clique nas células para visualizar as imagens correspondentes com as previsões do modelo e dados da verdade básica (ground truth).

Clique em "Vector Analysis" para um gráfico de dispersão que visualiza a similaridade da imagem com base em embeddings CLIP. Imagens mais próximas são semanticamente semelhantes. Os pontos representam imagens, coloridas de branco (bom desempenho) a vermelho (desempenho ruim).

A Análise Vetorial ajuda a:

• Identificar clusters de imagem.
• Identificar clusters onde o modelo apresenta desempenho ruim.
• Entender as comunalidades entre imagens que causam baixo desempenho.

Recursos de aprendizagem

• Treinar YOLO em um conjunto de dados personalizado (Colab): Notebook interativo do Google Colab para treinamento com seus dados.
• Documentação do Ultralytics YOLO: Treinamento, exportação e implantação de modelos YOLO.
• Blog da Ultralytics: Artigos sobre visão computacional e treinamento de modelos.
• YouTube da Ultralytics: Guias em vídeo sobre treinamento e implantação de modelos.

Perguntas Frequentes

Como rotular dados para modelos YOLO26 usando o Roboflow?

Use o Roboflow Annotate. Crie um projeto, faça upload de imagens e use as ferramentas de anotação (B para caixas delimitadoras, P para polígonos) ou o assistente de rotulagem baseado em SAM para uma rotulagem mais rápida. Etapas detalhadas estão disponíveis na seção Upload, Converter e Rotular Dados.

Quais serviços o Roboflow oferece para coletar dados de treinamento YOLO26?

O Roboflow oferece o Universe (acesso a inúmeros conjuntos de dados) e o Collect (coleta automatizada de imagens via webcam). Eles podem ajudar a adquirir os dados de treinamento necessários para o seu modelo YOLO26, complementando as estratégias descritas em nosso Guia de Coleta de Dados.

Como posso gerenciar e analisar meu conjunto de dados YOLO26 usando o Roboflow?

Utilize os recursos de pesquisa de conjunto de dados, marcação e Health Check do Roboflow. A pesquisa encontra imagens por texto ou tags, enquanto o Health Check analisa a qualidade do conjunto de dados (equilíbrio de classes, tamanhos de imagem, etc.) para orientar melhorias antes do treinamento. Consulte a seção Gerenciamento de conjuntos de dados para detalhes.

Como exporto meu conjunto de dados YOLO26 do Roboflow?

Crie uma versão do conjunto de dados no Roboflow, aplique o pré-processamento e aumentos desejados, depois clique em "Export Dataset" e selecione o formato YOLO26. O processo está delineado na seção Exportar Dados. Isso prepara seus dados para uso com os pipelines de treinamento da Ultralytics.

Como posso integrar e implantar modelos YOLO26 com o Roboflow?

Faça o upload dos pesos do seu modelo YOLO26 treinado para o Roboflow usando o script Python fornecido. Isso cria um endpoint de API implantável. Consulte a seção Upload de Pesos Personalizados para o script e instruções. Explore outras opções de implantação em nossa documentação.