Roboflow

Roboflow có mọi thứ bạn cần để xây dựng và triển khai các mô hình thị giác máy tính . Kết nối Roboflow tại bất kỳ bước nào trong quy trình của bạn với API và SDK hoặc sử dụng giao diện đầu cuối để tự động hóa toàn bộ quy trình từ hình ảnh đến suy luận. Cho dù bạn cần gắn nhãn dữ liệu , đào tạo mô hình hay triển khai mô hình , Roboflow cung cấp cho bạn các nền tảng để đưa các giải pháp thị giác máy tính tùy chỉnh vào dự án của bạn.

Trong hướng dẫn này, chúng tôi sẽ giới thiệu cách tìm, dán nhãn và sắp xếp dữ liệu để sử dụng trong quá trình đào tạo tùy chỉnh Ultralytics Mô hình YOLO11. Sử dụng mục lục bên dưới để chuyển trực tiếp đến một phần cụ thể:

• Thu thập dữ liệu để đào tạo mô hình YOLO11 tùy chỉnh
• Tải lên, chuyển đổi và gắn nhãn dữ liệu cho định dạng YOLO11
• Tiền xử lý và tăng cường dữ liệu để đảm bảo tính mạnh mẽ của mô hình
• Quản lý tập dữ liệu cho YOLO11
• Xuất dữ liệu ở định dạng 40+ để đào tạo mô hình
• Tải lên trọng số mô hình YOLO11 tùy chỉnh để thử nghiệm và triển khai
• Thu thập dữ liệu để đào tạo mô hình YOLO11 tùy chỉnh

Roboflow cung cấp hai dịch vụ có thể giúp bạn thu thập dữ liệu cho các mô hình YOLO11: Universe và Collect .

Vũ trụ là một kho lưu trữ trực tuyến với hơn 250.000 bộ dữ liệu tầm nhìn với tổng số hơn 100 triệu hình ảnh.

Với một tự do Roboflow tài khoản, bạn có thể xuất bất kỳ tập dữ liệu nào có sẵn trên Vũ trụ. Để xuất tập dữ liệu, hãy nhấp vào nút "Tải xuống tập dữ liệu này" trên bất kỳ tập dữ liệu nào.

Đối với YOLO11, hãy chọn "YOLO11" làm định dạng xuất:

Universe cũng có một trang tổng hợp tất cả các mô hình YOLO11 tinh chỉnh công khai được tải lên Roboflow . Bạn có thể sử dụng trang này để khám phá các mô hình được đào tạo trước mà bạn có thể sử dụng để thử nghiệm hoặc để gắn nhãn dữ liệu tự động hoặc để tạo nguyên mẫu với suy luận Roboflow .

Nếu bạn muốn tự thu thập hình ảnh, hãy thử Collect, một dự án mã nguồn mở cho phép bạn tự động thu thập hình ảnh bằng webcam ở rìa. Bạn có thể sử dụng lời nhắc bằng văn bản hoặc hình ảnh với Thu thập để hướng dẫn dữ liệu nào cần được thu thập, cho phép bạn chỉ nắm bắt dữ liệu hữu ích mà bạn cần để xây dựng mô hình tầm nhìn của mình.

Tải lên, chuyển đổi và gắn nhãn dữ liệu cho định dạng YOLO11

Roboflow Annotate là một công cụ chú thích trực tuyến dùng để dán nhãn hình ảnh nhằm phát hiện, phân loại và phân đoạn đối tượng .

Để gắn nhãn dữ liệu cho mô hình phát hiện đối tượng, phân đoạn thể hiện hoặc phân loại YOLO11, trước tiên hãy tạo một dự án trong Roboflow .

Tiếp theo, tải lên hình ảnh của bạn và bất kỳ chú thích nào có sẵn mà bạn có từ các công cụ khác (sử dụng một trong 40+ định dạng nhập được hỗ trợ), vào Roboflow.

Chọn hàng loạt hình ảnh bạn đã tải lên trên trang Chú thích mà bạn được chụp sau khi tải lên hình ảnh. Sau đó, nhấp vào "Bắt đầu chú thích" để gắn nhãn hình ảnh.

Để gắn nhãn bằng hộp giới hạn, hãy nhấn nút B trên bàn phím của bạn hoặc nhấp vào biểu tượng hộp trong thanh bên. Nhấp vào điểm mà bạn muốn bắt đầu hộp giới hạn, sau đó kéo để tạo hộp:

Một cửa sổ bật lên sẽ xuất hiện yêu cầu bạn chọn một lớp cho chú thích của mình sau khi bạn đã tạo chú thích.

Để gắn nhãn bằng đa giác, hãy nhấn nút P trên bàn phím hoặc biểu tượng đa giác trong thanh bên. Với công cụ chú thích đa giác được bật, hãy nhấp vào các điểm riêng lẻ trong hình ảnh để vẽ đa giác.

Roboflow cung cấp một SAM-dựa trên trợ lý nhãn mà bạn có thể gắn nhãn hình ảnh nhanh hơn bao giờ hết. SAM (Mô hình phân đoạn bất cứ điều gì) là một mô hình thị giác máy tính hiện đại có thể gắn nhãn chính xác cho hình ảnh. Với SAM, bạn có thể tăng tốc đáng kể quá trình ghi nhãn hình ảnh. Chú thích hình ảnh bằng đa giác trở nên đơn giản như một vài cú nhấp chuột, thay vì quá trình tẻ nhạt để nhấp chính xác các điểm xung quanh một đối tượng.

Để sử dụng trợ lý nhãn, hãy nhấp vào biểu tượng con trỏ trong thanh bên, SAM sẽ được tải để sử dụng trong dự án của bạn.

Di chuột qua bất kỳ đối tượng nào trong hình ảnh và SAM sẽ đề xuất một chú thích. Bạn có thể di chuột để tìm đúng nơi cần chú thích, sau đó nhấp để tạo chú thích. Để sửa đổi chú thích của bạn cụ thể hơn hoặc ít hơn, bạn có thể nhấp vào bên trong hoặc bên ngoài chú thích SAM đã tạo trên tài liệu.

Bạn cũng có thể thêm thẻ vào hình ảnh từ bảng Thẻ trong thanh bên. Bạn có thể áp dụng thẻ cho dữ liệu từ một khu vực cụ thể, được chụp từ một máy ảnh cụ thể và hơn thế nữa. Sau đó, bạn có thể sử dụng các thẻ này để tìm kiếm thông qua dữ liệu cho hình ảnh khớp với thẻ và tạo phiên bản của tập dữ liệu với hình ảnh chứa một thẻ hoặc tập hợp thẻ cụ thể.

Các mô hình được lưu trữ trên Roboflow có thể được sử dụng với Label Assist, một công cụ chú thích tự động sử dụng mô hình YOLO11 của bạn để đề xuất chú thích. Để sử dụng Label Assist, trước tiên hãy tải mô hình YOLO11 lên Roboflow (xem hướng dẫn sau trong hướng dẫn). Sau đó, nhấp vào biểu tượng cây đũa thần ở thanh bên trái và chọn mô hình của bạn để sử dụng trong Label Assist.

Chọn một kiểu máy, sau đó nhấp vào "Tiếp tục" để bật Hỗ trợ nhãn:

Khi bạn mở hình ảnh mới để chú thích, Label Assist sẽ kích hoạt và đề xuất chú thích.

Quản lý bộ dữ liệu cho YOLO11

Roboflow Cung cấp một bộ công cụ để hiểu các bộ dữ liệu thị giác máy tính.

Trước tiên, bạn có thể sử dụng tìm kiếm tập dữ liệu để tìm hình ảnh đáp ứng mô tả văn bản ngữ nghĩa (tức là tìm tất cả hình ảnh có chứa người) hoặc đáp ứng một nhãn được chỉ định (tức là hình ảnh được liên kết với một thẻ cụ thể). Để sử dụng tìm kiếm tập dữ liệu, hãy nhấp vào "Tập dữ liệu" trong thanh bên. Sau đó, nhập truy vấn tìm kiếm bằng thanh tìm kiếm và các bộ lọc liên quan ở đầu trang.

Ví dụ: truy vấn văn bản sau đây tìm hình ảnh có chứa người trong tập dữ liệu:

Bạn có thể thu hẹp tìm kiếm của mình thành hình ảnh có thẻ cụ thể bằng cách sử dụng bộ chọn "Thẻ":

Trước khi bạn bắt đầu đào tạo một mô hình với tập dữ liệu của mình, chúng tôi khuyên bạn nên sử dụng Roboflow Kiểm tra sức khỏe, một công cụ web cung cấp cái nhìn sâu sắc về tập dữ liệu của bạn và cách bạn có thể cải thiện tập dữ liệu trước khi đào tạo mô hình thị giác.

Để sử dụng Kiểm tra sức khỏe, hãy nhấp vào liên kết thanh bên "Kiểm tra sức khỏe". Một danh sách thống kê sẽ xuất hiện hiển thị kích thước trung bình của hình ảnh trong tập dữ liệu, số dư lớp, bản đồ nhiệt về vị trí chú thích trong hình ảnh của bạn và hơn thế nữa.

Kiểm tra tình trạng có thể đề xuất các thay đổi để giúp nâng cao hiệu suất tập dữ liệu. Ví dụ: tính năng cân bằng lớp có thể cho thấy rằng có sự mất cân bằng trong nhãn, nếu được giải quyết, có thể tăng hiệu suất hoặc mô hình của bạn.

Xuất dữ liệu ở định dạng 40+ để đào tạo mô hình

Để xuất dữ liệu của bạn, bạn sẽ cần một phiên bản tập dữ liệu. Phiên bản là trạng thái của tập dữ liệu của bạn bị đóng băng trong thời gian. Để tạo phiên bản, trước tiên hãy nhấp vào "Phiên bản" trong thanh bên. Sau đó, nhấp vào nút "Tạo phiên bản mới". Trên trang này, bạn sẽ có thể chọn các bước tăng cường và tiền xử lý để áp dụng cho tập dữ liệu của mình:

Đối với mỗi lần tăng cường bạn chọn, một cửa sổ bật lên sẽ xuất hiện cho phép bạn điều chỉnh phần tăng theo nhu cầu của mình. Dưới đây là một ví dụ về việc điều chỉnh tăng độ sáng trong các tham số được chỉ định:

Khi phiên bản tập dữ liệu của bạn đã được tạo, bạn có thể xuất dữ liệu của mình sang nhiều định dạng. Nhấp vào nút "Xuất tập dữ liệu" trên trang phiên bản tập dữ liệu của bạn để xuất dữ liệu của bạn:

Bây giờ bạn đã sẵn sàng để đào tạo YOLO11 trên một tập dữ liệu tùy chỉnh. Hãy làm theo hướng dẫn bằng văn bản này và video YouTube để biết hướng dẫn từng bước hoặc tham khảo tài liệu Ultralytics .

Tải lên trọng số mô hình YOLO11 tùy chỉnh để thử nghiệm và triển khai

Roboflow cung cấp API có thể mở rộng vô hạn cho các mô hình và SDK đã triển khai để sử dụng với NVIDIA Jetsons, Luxonis OAKs, Raspberry Pis, GPU-dựa trên thiết bị, và nhiều hơn nữa.

Bạn có thể triển khai các mô hình YOLO11 bằng cách tải trọng số YOLO11 lên Roboflow . Bạn có thể làm điều này trong một vài dòng Python mã. Tạo một cái mới Python tệp và thêm đoạn mã sau:

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/")

Trong mã này, hãy thay thế ID dự án và ID phiên bản bằng các giá trị cho tài khoản và dự án của bạn. Tìm hiểu cách truy xuất Roboflow Khóa API.

Khi bạn chạy mã ở trên, bạn sẽ được yêu cầu xác thực. Sau đó, mô hình của bạn sẽ được tải lên và một API sẽ được tạo cho dự án của bạn. Quá trình này có thể mất tối đa 30 phút để hoàn tất.

Để kiểm tra mô hình của bạn và tìm hướng dẫn triển khai SDK được hỗ trợ, hãy chuyển đến tab "Triển khai" trong Roboflow Bên. Ở đầu trang này, một tiện ích sẽ xuất hiện để bạn có thể kiểm tra mô hình của mình. Bạn có thể sử dụng webcam của mình để thử nghiệm trực tiếp hoặc tải lên hình ảnh hoặc video.

Bạn cũng có thể sử dụng mô hình đã tải lên làm trợ lý ghi nhãn. Tính năng này sử dụng mô hình đã đào tạo của bạn để đề xuất chú thích trên hình ảnh được tải lên Roboflow.

Cách đánh giá các mô hình YOLO11

Roboflow Cung cấp một loạt các tính năng để sử dụng trong việc đánh giá các mô hình.

Sau khi bạn đã tải một mô hình lên Roboflow , bạn có thể truy cập công cụ đánh giá mô hình của chúng tôi, cung cấp ma trận nhầm lẫn cho thấy hiệu suất của mô hình của bạn cũng như biểu đồ phân tích vectơ tương tác. Các tính năng này có thể giúp bạn tìm ra cơ hội để cải thiện mô hình của mình.

Để truy cập ma trận nhầm lẫn, hãy truy cập trang mô hình của bạn trên Roboflow bảng điều khiển, sau đó nhấp vào "Xem đánh giá chi tiết":

Một cửa sổ bật lên sẽ xuất hiện hiển thị ma trận nhầm lẫn:

Di chuột qua một hộp trên ma trận nhầm lẫn để xem giá trị được liên kết với hộp. Nhấp vào một hộp để xem hình ảnh trong danh mục tương ứng. Nhấp vào một hình ảnh để xem các dự đoán mô hình và dữ liệu sự thật cơ bản được liên kết với hình ảnh đó.

Để biết thêm thông tin chi tiết, hãy nhấp vào Phân tích vector. Điều này sẽ hiển thị biểu đồ phân tán của các hình ảnh trong tập dữ liệu của bạn, được tính bằng CLIP. Hình ảnh càng gần trong cốt truyện, chúng càng giống nhau, về mặt ngữ nghĩa. Mỗi hình ảnh được thể hiện dưới dạng một dấu chấm với màu giữa trắng và đỏ. Dấu chấm càng đỏ, mô hình hoạt động càng tệ.

Bạn có thể sử dụng Vector Analysis để:

• Tìm các cụm hình ảnh;
• Xác định các cụm mà mô hình hoạt động kém, và;
• Hình dung điểm tương đồng giữa các hình ảnh mà người mẫu hoạt động kém.

Tài nguyên học tập

Muốn tìm hiểu thêm về cách sử dụng Roboflow để tạo mô hình YOLO11? Các tài nguyên sau đây có thể hữu ích cho công việc của bạn.

• Huấn luyện YOLO11 trên Bộ dữ liệu tùy chỉnh : Làm theo sổ tay tương tác của chúng tôi để biết cách huấn luyện mô hình YOLO11 trên bộ dữ liệu tùy chỉnh.
• Tự động chưng cất : Sử dụng các mô hình tầm nhìn nền tảng lớn để dán nhãn dữ liệu cho các mô hình cụ thể. Bạn có thể dán nhãn hình ảnh để sử dụng trong đào tạo các mô hình phân loại, phát hiện và phân đoạn YOLO11 với Tự động chưng cất.
• Giám sát: A Python Gói với các tiện ích hữu ích để sử dụng trong làm việc với các mô hình thị giác máy tính. Bạn có thể sử dụng tính năng giám sát để lọc phát hiện, ma trận nhầm lẫn điện toán và hơn thế nữa, tất cả trong một vài dòng Python mã.
• Blog Roboflow : Roboflow Blog có hơn 500 bài viết về thị giác máy tính, bao gồm các chủ đề từ cách đào tạo mô hình YOLO11 đến các phương pháp chú thích tốt nhất.
• Kênh YouTube Roboflow : Duyệt hàng chục hướng dẫn chuyên sâu về thị giác máy tính trên kênh YouTube của chúng tôi, bao gồm các chủ đề từ đào tạo mô hình YOLO11 đến gắn nhãn hình ảnh tự động.

Giới thiệu dự án

Dưới đây là một số trong nhiều phản hồi mà chúng tôi đã nhận được khi sử dụng YOLO11 và Roboflow cùng nhau tạo ra các mô hình thị giác máy tính.

FAQ

Làm thế nào để tôi dán nhãn dữ liệu cho các mô hình YOLO11 bằng cách sử dụng Roboflow ?

Ghi nhãn dữ liệu cho các mô hình YOLO11 bằng cách sử dụng Roboflow là thẳng thắn với Roboflow Chú thích. Đầu tiên, tạo một dự án trên Roboflow và tải hình ảnh của bạn lên. Sau khi tải lên, hãy chọn lô hình ảnh và nhấp vào "Bắt đầu chú thích". Bạn có thể sử dụng B chìa khóa cho các hộp giới hạn hoặc P chìa khóa cho đa giác. Để chú thích nhanh hơn, hãy sử dụng SAM-dựa trên trợ lý nhãn bằng cách nhấp vào biểu tượng con trỏ trong thanh bên. Các bước chi tiết có thể được tìm thấy Ở đây.

Những dịch vụ nào Roboflow đề nghị thu thập dữ liệu đào tạo YOLO11?

Roboflow cung cấp hai dịch vụ chính để thu thập dữ liệu đào tạo YOLO11: Universe và Collect . Universe cung cấp quyền truy cập vào hơn 250.000 tập dữ liệu thị giác, trong khi Collect giúp bạn thu thập hình ảnh bằng webcam và lời nhắc tự động.

Làm thế nào tôi có thể quản lý và phân tích tập dữ liệu YOLO11 của mình bằng cách sử dụng Roboflow ?

Roboflow cung cấp các công cụ quản lý tập dữ liệu mạnh mẽ, bao gồm tìm kiếm tập dữ liệu, gắn thẻ và Kiểm tra sức khỏe. Sử dụng tính năng tìm kiếm để tìm hình ảnh dựa trên mô tả văn bản hoặc thẻ. Kiểm tra sức khỏe cung cấp thông tin chi tiết về chất lượng tập dữ liệu, hiển thị sự cân bằng lớp, kích thước hình ảnh và bản đồ nhiệt chú thích. Điều này giúp tối ưu hóa hiệu suất tập dữ liệu trước khi đào tạo các mô hình YOLO11. Thông tin chi tiết có thể được tìm thấy tại đây .

Làm thế nào để tôi xuất tập dữ liệu YOLO11 của mình từ Roboflow ?

Để xuất tập dữ liệu YOLO11 của bạn từ Roboflow , bạn cần tạo phiên bản tập dữ liệu. Nhấp vào "Phiên bản" trong thanh bên, sau đó "Tạo phiên bản mới" và áp dụng bất kỳ phần bổ sung nào mong muốn. Sau khi phiên bản được tạo, hãy nhấp vào "Xuất tập dữ liệu" và chọn định dạng YOLO11. Thực hiện theo quy trình này tại đây .

Làm thế nào tôi có thể tích hợp và triển khai các mô hình YOLO11 với Roboflow ?

Tích hợp và triển khai các mô hình YOLO11 trên Roboflow bằng cách tải trọng YOLO11 của bạn qua một vài dòng Python mã. Sử dụng tập lệnh được cung cấp để xác thực và tải mô hình của bạn lên, điều này sẽ tạo API để triển khai. Để biết chi tiết về tập lệnh và hướng dẫn thêm, hãy xem phần này .

Những công cụ nào làm Roboflow cung cấp để đánh giá các mô hình YOLO11?

Roboflow Cung cấp các công cụ đánh giá mô hình, bao gồm ma trận nhầm lẫn và biểu đồ phân tích vector. Truy cập các công cụ này từ nút "Xem đánh giá chi tiết" trên trang mô hình của bạn. Các tính năng này giúp xác định các vấn đề về hiệu suất mô hình và tìm các lĩnh vực cần cải thiện. Để biết thêm thông tin, hãy tham khảo phần này.

📅 Được tạo ra cách đây 1 năm ✏️ Đã cập nhật cách đây 1 tháng

Ý kiến