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.

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
• Tiền xử lý và tăng cường dữ liệu để đảm bảo tính mạnh mẽ của mô hình
• Dataset management for YOLO11
• Xuất dữ liệu ở định dạng 40+ để đào tạo mô hình
• 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.

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.

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

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.

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.

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.

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 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:

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.

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.

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.

Dataset Management for 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:

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 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.

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/")

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.

How to Evaluate YOLO11 Models

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

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.

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

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.
• 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.
• 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.

Giới thiệu dự án

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

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 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.

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 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.

📅 Created 11 months ago ✏️ Updated 8 days ago

Ý kiến