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.

Neste guia, vamos mostrar como encontrar, rotular e organizar dados para usar no treinamento de um modelo Ultralytics YOLO11 personalizado. Utiliza a tabela de conteúdos abaixo para ires diretamente para uma secção específica:

• Recolhe dados para treinar um modelo YOLO11 personalizado
• Carrega, converte e rotula dados para o formato YOLO11
• Pré-processa e aumenta os dados para garantir a robustez do modelo
• Dataset management for YOLO11
• Exporta dados em mais de 40 formatos para treino de modelos
• Carrega os pesos personalizados do modelo YOLO11 para teste e implementação
• Recolhe dados para treinar um modelo YOLO11 personalizado

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

O Universe é um repositório em linha com mais de 250 000 conjuntos de dados de visão, totalizando mais de 100 milhões de imagens.

Com uma conta Roboflow gratuita, podes exportar qualquer conjunto de dados disponível no Universe. Para exportar um conjunto de dados, clica no botão "Transferir este conjunto de dados" em qualquer conjunto de dados.

Para YOLO11, seleciona "YOLO11" como formato de exportação:

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.

Se quiseres recolher imagens por ti próprio, experimenta o Collect, um projeto de código aberto que te permite recolher imagens automaticamente utilizando uma webcam na extremidade. Podes utilizar avisos de texto ou imagem com o Collect para instruir que dados devem ser recolhidos, permitindo-te captar apenas os dados úteis de que necessitas para construir o teu modelo de visão.

Carrega, converte e rotula dados para o formato YOLO11

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.

Em seguida, carrega as tuas imagens e quaisquer anotações pré-existentes que tenhas de outras ferramentas(utilizando um dos mais de 40 formatos de importação suportados) para Roboflow.

Selecciona o lote de imagens que carregaste na página Anotar, para onde és levado depois de carregares as imagens. Depois, clica em "Iniciar Anotações" para etiquetar as imagens.

Para etiquetar com caixas delimitadoras, prime o botão B key on your keyboard or click the box icon in the sidebar. Click on a point where you want to start your caixa delimitadora, then drag to create the box:

Quando tiveres criado uma anotação, aparece uma janela a pedir-te para seleccionares uma classe para a tua anotação.

Para etiquetar com polígonos, prime o botão P no teu teclado, ou o ícone de polígono na barra lateral. Com a ferramenta de anotação de polígono activada, clica em pontos individuais da imagem para desenhar um polígono.

Roboflow oferece um assistente de etiquetas baseado em SAM com o qual podes etiquetar imagens mais rapidamente do que nunca. SAM O Segment Anything Model (Modelo de Segmento de Qualquer Coisa) é um modelo de visão por computador de última geração que pode rotular imagens com precisão. Com SAM, podes acelerar significativamente o processo de etiquetagem de imagens. Anotar imagens com polígonos torna-se tão simples como alguns cliques, em vez do tedioso processo de clicar com precisão em pontos à volta de um objeto.

Para utilizar o assistente de etiquetas, clica no ícone do cursor na barra lateral, SAM será carregado para utilização no teu projeto.

Passa o rato sobre qualquer objeto na imagem e o SAM recomenda uma anotação. Podes passar o cursor do rato para encontrar o local certo para anotar e, em seguida, clicar para criar a anotação. Para alterar a tua anotação para ser mais ou menos específica, podes clicar dentro ou fora da anotação que o SAM criou no documento.

Também podes adicionar etiquetas a imagens a partir do painel Etiquetas na barra lateral. Pode aplicar etiquetas a dados de uma determinada área, tirados de uma câmara específica e muito mais. Pode depois utilizar estas etiquetas para procurar nos dados imagens que correspondam a uma etiqueta e gerar versões de um conjunto de dados com imagens que contenham uma determinada etiqueta ou conjunto de etiquetas.

Os modelos alojados em Roboflow podem ser utilizados com o Label Assist, uma ferramenta de anotação automática que utiliza o teu modelo YOLO11 para recomendar anotações. Para utilizar o Label Assist, carrega primeiro um modelo YOLO11 para Roboflow (ver instruções mais à frente neste guia). Em seguida, clica no ícone da varinha mágica na barra lateral esquerda e seleciona o teu modelo para utilização no Label Assist.

Escolhe um modelo e, em seguida, clica em "Continuar" para ativar o Assistente de Etiquetas:

Quando abre novas imagens para anotação, o Label Assist acciona e recomenda anotações.

Gestão de conjuntos de dados para YOLO11

Roboflow fornece um conjunto de ferramentas para compreender conjuntos de dados de visão computacional.

Primeiro, pode utilizar a pesquisa de conjuntos de dados para encontrar imagens que correspondam a uma descrição de texto semântico (ou seja, encontrar todas as imagens que contenham pessoas) ou que correspondam a uma etiqueta especificada (ou seja, a imagem está associada a uma etiqueta específica). Para utilizar a pesquisa de conjuntos de dados, clica em "Conjunto de dados" na barra lateral. Em seguida, introduz uma consulta de pesquisa utilizando a barra de pesquisa e os filtros associados na parte superior da página.

Por exemplo, a seguinte consulta de texto encontra imagens que contêm pessoas num conjunto de dados:

Podes limitar a tua pesquisa a imagens com uma determinada etiqueta utilizando o seletor "Etiquetas":

Antes de começares a treinar um modelo com o teu conjunto de dados, recomendamos a utilização de Roboflow Health Check, uma ferramenta Web que fornece uma perspetiva do teu conjunto de dados e de como podes melhorar o conjunto de dados antes de treinares um modelo de visão.

Para utilizar o Health Check, clica na ligação da barra lateral "Health Check". Aparecerá uma lista de estatísticas que mostra o tamanho médio das imagens no teu conjunto de dados, o equilíbrio das classes, um mapa de calor de onde estão as anotações nas tuas imagens e muito mais.

O Health Check pode recomendar alterações para ajudar a melhorar o desempenho do conjunto de dados. Por exemplo, a funcionalidade de equilíbrio de classes pode mostrar que existe um desequilíbrio nas etiquetas que, se resolvido, pode aumentar o desempenho do teu modelo.

Exportação de dados em mais de 40 formatos para treino de modelos

Para exportar os teus dados, precisas de uma versão do conjunto de dados. Uma versão é um estado do teu conjunto de dados congelado no tempo. Para criar uma versão, clica primeiro em "Versões" na barra lateral. Em seguida, clica no botão "Criar nova versão". Nesta página, poderás escolher aumentos e passos de pré-processamento a aplicar ao teu conjunto de dados:

Para cada aumento que seleccionares, aparece uma janela pop-up que te permite afinar o aumento de acordo com as tuas necessidades. Aqui está um exemplo de ajuste de um aumento de brilho dentro dos parâmetros especificados:

Quando a versão do teu conjunto de dados tiver sido gerada, podes exportar os teus dados para uma série de formatos. Clica no botão "Exportar conjunto de dados" na página da versão do conjunto de dados para exportar os dados:

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.

Carrega os pesos personalizados do modelo YOLO11 para teste e implementação

Roboflow oferece uma API infinitamente escalável para modelos implementados e SDKs para utilização com NVIDIA Jetsons, Luxonis OAKs, Raspberry Pis, dispositivos baseados em GPU e muito mais.

Podes implementar os modelos YOLO11 carregando os pesos YOLO11 para Roboflow. Podes fazer isto com algumas linhas de código Python . Cria um novo ficheiro Python e adiciona o seguinte código:

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/")

Neste código, substitui a ID do projeto e a ID da versão pelos valores da tua conta e do teu projeto. Saiba como recuperar sua chave de API Roboflow .

Quando executares o código acima, ser-te-á pedido para te autenticares. Em seguida, o teu modelo será carregado e será criada uma API para o teu projeto. Esse processo pode levar até 30 minutos para ser concluído.

Para testar seu modelo e encontrar instruções de implantação para SDKs compatíveis, vai para a guia "Implantar" na barra lateral Roboflow . Na parte superior desta página, aparecerá um widget com o qual podes testar o teu modelo. Podes utilizar a tua webcam para testes em direto ou carregar imagens ou vídeos.

Também podes utilizar o teu modelo carregado como assistente de etiquetagem. Esta funcionalidade utiliza o teu modelo treinado para recomendar anotações em imagens carregadas para Roboflow.

Como avaliar os modelos YOLO11

Roboflow fornece uma série de características para utilização na avaliação de modelos.

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.

Para aceder a uma matriz de confusão, vai à página do teu modelo no painel de controlo Roboflow e, em seguida, clica em "Ver avaliação detalhada":

Aparecerá uma janela pop-up com uma matriz de confusão:

Passa o cursor sobre uma caixa na matriz de confusão para ver o valor associado à caixa. Clica numa caixa para ver as imagens na respectiva categoria. Clica numa imagem para ver as previsões do modelo e os dados da verdade terrestre associados a essa imagem.

Para obter mais informações, clica em Análise de vetor. Isto mostrará um gráfico de dispersão das imagens no teu conjunto de dados, calculado utilizando o CLIP. Quanto mais próximas as imagens estiverem no gráfico, mais semelhantes elas são, semanticamente. Cada imagem é representada como um ponto com uma cor entre branco e vermelho. Quanto mais vermelho for o ponto, pior foi o desempenho do modelo.

Podes utilizar a Análise Vetorial para:

• Encontra grupos de imagens;
• Identifica os clusters onde o modelo tem um desempenho fraco, e;
• Visualiza pontos comuns entre imagens em que o modelo tem um desempenho fraco.

Recursos de aprendizagem

Queres saber mais sobre a utilização do Roboflow para criar modelos YOLO11? Os seguintes recursos podem ser úteis para o teu trabalho.

• 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.
• Supervisão: Um pacote Python com utilitários úteis para trabalhar com modelos de visão computacional. Podes utilizar a supervisão para filtrar detecções, calcular matrizes de confusão e muito mais, tudo em poucas linhas de código Python .
• 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.

Apresentação do projeto

Abaixo estão alguns dos muitos comentários que recebemos sobre a utilização conjunta do YOLO11 e do Roboflow para criar modelos de visão computacional.

FAQ

Como é que etiqueto os dados dos modelos YOLO11 utilizando Roboflow?

Rotular dados para modelos YOLO11 utilizando Roboflow é simples com Roboflow Annotate. Primeiro, cria um projeto em Roboflow e carrega as tuas imagens. Após o carregamento, seleciona o lote de imagens e clica em "Start Annotating". Podes utilizar a opção B para caixas delimitadoras ou a tecla P para polígonos. Para uma anotação mais rápida, utiliza o assistente de etiquetas baseado em SAM, clicando no ícone do cursor na barra lateral. Podes encontrar passos detalhados aqui.

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.

Como posso gerir e analisar o meu conjunto de dados YOLO11 utilizando 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.

Como é que exporto o meu conjunto de dados YOLO11 de 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.

Como posso integrar e implementar modelos YOLO11 com 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.

Que ferramentas fornece o Roboflow para avaliar os modelos YOLO11?

Roboflow oferece ferramentas de avaliação de modelos, incluindo uma matriz de confusão e gráficos de análise vetorial. Acede a estas ferramentas a partir do botão "Ver avaliação detalhada" na página do teu modelo. Esses recursos ajudam a identificar problemas de desempenho do modelo e a encontrar áreas para melhoria. Para obter mais informações, consulta esta secção.

📅 C riado há 1 ano ✏️ Atualizado há 1 mês

Comentários