Roboflow

Roboflow tem tudo o que é necessário para criar e implementar modelos de visão computacional. Conecte o Roboflow em qualquer etapa do seu pipeline com APIs e SDKs ou use a interface de ponta a ponta para automatizar todo o processo, da imagem à inferência. Quer necessite de rotulagem de dados, formação de modelos ou implementação de modelos, o Roboflow fornece-lhe blocos de construção para trazer soluções de visão por computador personalizadas para o seu projeto.

Neste guia, mostraremos como encontrar, rotular e organizar dados para uso no treinamento de um modelo personalizado Ultralytics YOLO11 . Utilize a tabela de conteúdos abaixo para saltar diretamente para uma secção específica:

• Recolher dados para treinar um modelo YOLO11 personalizado
• Carregar, converter e rotular dados para o formato YOLO11
• Pré-processar e aumentar os dados para garantir a robustez do modelo
• Gestão de conjuntos de dados para YOLO11
• Exportação de dados em mais de 40 formatos para treino de modelos
• Carregar pesos personalizados do modelo YOLO11 para teste e implantação
• Recolha de dados para treinar um modelo YOLO11 personalizado

Roboflow fornece dois serviços que podem ajudá-lo a recolher dados para os modelos YOLO11 : Universe e 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, pode exportar qualquer conjunto de dados disponível no Universe. Para exportar um conjunto de dados, clique no botão "Descarregar este conjunto de dados" em qualquer conjunto de dados.

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

O Universe também tem uma página que agrega todos os modelos YOLO11 públicos aperfeiçoados carregados em Roboflow. Pode utilizar esta página para explorar modelos pré-treinados que pode utilizar para testes ou para rotulagem automática de dados ou para criar protótipos com a inferênciaRoboflow .

Se pretender recolher imagens por si próprio, experimente o Collect, um projeto de código aberto que lhe permite recolher imagens automaticamente utilizando uma webcam na extremidade. Pode utilizar avisos de texto ou imagem com o Collect para instruir quais os dados que devem ser recolhidos, permitindo-lhe captar apenas os dados úteis de que necessita para construir o seu modelo de visão.

Carregar, converter e rotular dados para o formato YOLO11

Roboflow Annotate é uma ferramenta de anotação online para utilização na etiquetagem de imagens para deteção, classificação e segmentação de objectos.

Para rotular dados para um modelo de deteção de objectos, segmentação de instâncias ou classificação em YOLO11 , comece por criar um projeto em Roboflow.

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

Selecione o lote de imagens que carregou na página Anotar para onde é levado depois de carregar as imagens. Em seguida, clique em "Iniciar Anotação" para etiquetar as imagens.

Para rotular com caixas delimitadoras, prima o botão B no seu teclado ou clique no ícone da caixa na barra lateral. Clique num ponto onde pretende iniciar o seu caixa delimitadorae, em seguida, arraste para criar a caixa:

Depois de ter criado uma anotação, aparece uma janela de contexto a pedir-lhe que selecione uma classe para a sua anotação.

Para rotular com polígonos, prima o botão P no teclado, ou o ícone de polígono na barra lateral. Com a ferramenta de anotação de polígono activada, clique em pontos individuais na imagem para desenhar um polígono.

Roboflow oferece um assistente de etiquetas baseado em SAM com o qual pode 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, pode 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, clique no ícone do cursor na barra lateral, SAM será carregado para utilização no seu projeto.

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

Também pode 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 então 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 seu modelo YOLO11 para recomendar anotações. Para usar o Label Assist, primeiro carregue um modelo YOLO11 para Roboflow (consulte as instruções mais adiante neste guia). Em seguida, clique no ícone da varinha mágica na barra lateral esquerda e selecione o seu modelo para utilização no Label Assist.

Escolha um modelo e, em seguida, clique 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.

Em primeiro lugar, 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, clique em "Conjunto de dados" na barra lateral. Em seguida, introduza 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:

Pode restringir a sua pesquisa a imagens com uma determinada etiqueta utilizando o seletor "Etiquetas":

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

Para utilizar o Exame de saúde, clique na ligação da barra lateral "Exame de saúde". Aparecerá uma lista de estatísticas que mostra o tamanho médio das imagens no seu conjunto de dados, o equilíbrio das classes, um mapa de calor de onde estão as anotações nas suas 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 seu modelo.

Exportar dados em mais de 40 formatos para formação de modelos

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

Para cada aumento selecionado, aparece uma janela pop-up que lhe permite ajustar o aumento às suas necessidades. Aqui está um exemplo de ajuste de um aumento de brilho dentro dos parâmetros especificados:

Quando a versão do seu conjunto de dados tiver sido gerada, pode exportar os seus dados para uma série de formatos. Clique no botão "Exportar conjunto de dados" na página da sua versão do conjunto de dados para exportar os seus dados:

Agora está pronto para treinar YOLO11 num conjunto de dados personalizado. Siga este guia escrito e o vídeo do YouTube para obter instruções passo a passo ou consulte a documentação doUltralytics .

Carregar pesos personalizados do modelo YOLO11 para teste e implantação

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.

É possível implantar os modelos YOLO11 carregando os pesos YOLO11 para Roboflow. Isso pode ser feito em algumas linhas de código Python . Crie um novo arquivo Python e adicione 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, substitua a ID do projeto e a ID da versão pelos valores da sua conta e do seu projeto. Saiba como recuperar sua chave da API Roboflow .

Quando executar o código acima, ser-lhe-á pedido para se autenticar. Em seguida, o seu modelo será carregado e será criada uma API para o 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 "Implantar" na barra lateral Roboflow . Na parte superior desta página, aparecerá um widget com o qual pode testar o seu modelo. Pode utilizar a sua webcam para testar em direto ou carregar imagens ou vídeos.

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

Como avaliar os modelos YOLO11

Roboflow fornece uma gama de caraterísticas para utilização na avaliação de modelos.

Depois de ter carregado um modelo para Roboflow, pode aceder à nossa ferramenta de avaliação de modelos, que fornece uma matriz de confusão que mostra o desempenho do seu modelo, bem como um gráfico interativo de análise vetorial. Estas funcionalidades podem ajudá-lo a encontrar oportunidades para melhorar o seu modelo.

Para aceder a uma matriz de confusão, aceda à página do seu modelo no painel de controlo Roboflow e, em seguida, clique em "View Detailed Evaluation" (Ver avaliação detalhada):

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

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

Para obter mais informações, clique em Análise de vetor. Isto mostrará um gráfico de dispersão das imagens no seu 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.

Pode utilizar a Análise Vetorial para:

• Encontrar grupos de imagens;
• Identificar os clusters onde o modelo tem um desempenho fraco e;
• Visualizar pontos comuns entre imagens em que o modelo tem um desempenho fraco.

Recursos de aprendizagem

Pretende saber mais sobre a utilização do Roboflow para criar modelos YOLO11 ? Os seguintes recursos podem ser úteis no seu trabalho.

• Treinar YOLO11 em um conjunto de dados personalizado: Siga o nosso bloco de notas interativo que lhe mostra como treinar um modelo YOLO11 num conjunto de dados personalizado.
• Autodistill: Utilizar modelos de visão de grandes bases para rotular dados para modelos específicos. Pode rotular imagens para utilização na formação de YOLO11 modelos de classificação, deteção e segmentação com o Autodistill.
• Supervisão: Um pacote Python com utilitários úteis para uso no trabalho com modelos de visão computacional. Pode utilizar a supervisão para filtrar detecções, calcular matrizes de confusão e muito mais, tudo em poucas linhas de código Python .
• Roboflow Blogue: O blogue Roboflow apresenta mais de 500 artigos sobre visão computacional, abrangendo tópicos desde como treinar um modelo YOLO11 até às melhores práticas de anotação.
• Roboflow Canal do YouTube: Navegue por dezenas de guias aprofundados de visão computacional no nosso canal do YouTube, abrangendo tópicos desde o treino de modelos YOLO11 até à etiquetagem automática de imagens.

Apresentação do projeto

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

FAQ

Como é que etiqueto dados para modelos YOLO11 utilizando Roboflow?

A rotulagem de dados para modelos YOLO11 utilizando Roboflow é simples com Roboflow Annotate. Em primeiro lugar, crie um projeto em Roboflow e carregue as suas imagens. Após o carregamento, selecione o lote de imagens e clique em "Start Annotating" (Iniciar anotação). Pode utilizar a função B para caixas delimitadoras ou a tecla P para polígonos. Para uma anotação mais rápida, utilize o assistente de etiquetas baseado em SAM, clicando no ícone do cursor na barra lateral. Os passos detalhados podem ser encontrados em aqui.

Que serviços oferece Roboflow para a recolha dedados de formação YOLO11 ?

Roboflow fornece dois serviços essenciais para a recolha de dados de formação YOLO11 : Universe e Collect. O Universe oferece acesso a mais de 250.000 conjuntos de dados de visão, enquanto o Collect ajuda a recolher imagens utilizando uma câmara Web e avisos automáticos.

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

Roboflow oferece ferramentas robustas de gestão de conjuntos de dados, incluindo pesquisa de conjuntos de dados, marcação e Health Check. Utilize a funcionalidade de pesquisa para encontrar imagens com base em descrições de texto ou etiquetas. O Health Check fornece informações sobre a qualidade do conjunto de dados, mostrando o equilíbrio das classes, os tamanhos das imagens e os mapas de calor das anotações. Isto ajuda a otimizar o desempenho do conjunto de dados antes de treinar os modelos YOLO11 . Informações detalhadas podem ser encontradas aqui.

Como é que exporto o meu conjunto de dados YOLO11 de Roboflow?

Para exportar o conjunto de dados YOLO11 de Roboflow, é necessário criar uma versão do conjunto de dados. Clique em "Versions" (Versões) na barra lateral e, em seguida, em "Create New Version" (Criar nova versão) e aplique as ampliações pretendidas. Assim que a versão for gerada, clique em "Export Dataset" (Exportar conjunto de dados) e escolha o formato YOLO11 . Siga este processo aqui.

Como posso integrar e implementar modelos YOLO11 com Roboflow?

Integre e implemente modelos YOLO11 em Roboflow carregando os seus pesos YOLO11 através de algumas linhas de código Python . Use o script fornecido para autenticar e carregar seu modelo, que criará uma API para implantação. Para obter detalhes sobre o script e outras instruções, consulte esta secção.

Que ferramentas fornece Roboflow para avaliar os modelos YOLO11 ?

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

📅C riado há 1 ano ✏️ Atualizado há 2 meses

Comentários