Salta para o conteúdo

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.

Concessão de licenças

Ultralytics oferece duas opções de licenciamento:

Para mais informações, consulta Ultralytics Licensing.

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
  • 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
  • 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.

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

Roboflow Universo

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.

Roboflow Exportação do conjunto de dados do universo

For YOLO11, select "YOLO11" as the export format:

Roboflow Exportação do conjunto de dados do universo

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.

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.

Cria um projeto 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.

Carrega imagens 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 bounding box, then drag to create the box:

Anotar uma imagem em Roboflow

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.

Anotar uma imagem em Roboflow com SAM-powered label assist

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.

Adicionar etiquetas a uma imagem em Roboflow

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.

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

Ativar o assistente de etiquetas

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

ALabel Assist recomenda uma anotação

Dataset Management for 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:

Procura uma imagem

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

Filtra imagens por etiqueta

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.

Roboflow Análise do exame de saúde

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:

Criar uma versão do conjunto de dados em Roboflow

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:

Aplicar aumentos a um conjunto de dados

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:

Exportar um conjunto de 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.

Upload Custom YOLO11 Model Weights for Testing and Deployment

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.

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/")

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.

Executa a inferência numa imagem de exemplo

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.

How to Evaluate YOLO11 Models

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":

Inicia uma avaliação do modelo Roboflow

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

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.

Um gráfico de análise vetorial

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

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.
  • 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

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

Mostra a imagem Mostra a imagem Mostra a imagem

FAQ

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 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.

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 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.


📅 Created 11 months ago ✏️ Updated 12 days ago

Comentários