Chuẩn bị dữ liệu

Chuẩn bị dữ liệu là nền tảng của các mô hình thị giác máy tính thành công. Nền tảng Ultralytics cung cấp các công cụ toàn diện để quản lý dữ liệu huấn luyện của bạn, từ tải lên, chú thích đến phân tích.

Tổng quan

Mục Dữ liệu của Nền tảng Ultralytics giúp bạn:

• Tải lên hình ảnh, video và các tệp lưu trữ (ZIP, TAR, GZ)
• Chú thích bằng các công cụ vẽ thủ công và SAM -ghi nhãn thông minh được hỗ trợ bởi
• Phân tích dữ liệu của bạn bằng thống kê và trực quan hóa
• Xuất ở định dạng NDJSON để phục vụ đào tạo tại địa phương

Quy trình làm việc

graph LR
    A[Upload] --> B[Annotate]
    B --> C[Analyze]
    C --> D[Train]

    style A fill:#4CAF50,color:#fff
    style B fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style D fill:#9C27B0,color:#fff

Các Tác Vụ Được Hỗ Trợ

Nền tảng Ultralytics hỗ trợ tất cả 5 loại tác vụ YOLO:

Các tính năng chính

Lưu trữ thông minh

Ultralytics Nền tảng này sử dụng bộ nhớ dựa trên địa chỉ nội dung (CAS) để quản lý dữ liệu hiệu quả:

• Khử trùng lặp : Các hình ảnh giống hệt nhau chỉ được lưu trữ một lần thông qua thuật toán băm XXH3-128.
• Tính toàn vẹn : Phương thức định địa chỉ dựa trên hàm băm đảm bảo tính toàn vẹn của dữ liệu.
• Hiệu quả: Lưu trữ tối ưu và xử lý nhanh

URI tập dữ liệu

Tham chiếu bộ dữ liệu sử dụng ul:// Định dạng URI (xem Sử dụng tập dữ liệu nền tảng):

yolo train data=ul://username/datasets/my-dataset

Điều này cho phép huấn luyện trên các tập dữ liệu của nền tảng từ bất kỳ máy nào có cấu hình khóa API của bạn.

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)

Các tab tập dữ liệu

Mỗi trang dữ liệu đều có năm tab:

Thống kê và Trực quan hóa

Hàm Charts Tab này cung cấp chức năng phân tích tự động, bao gồm:

• Phân bổ chia nhỏ : Biểu đồ hình bánh vòng thể hiện số lượng ảnh huấn luyện/xác thực/kiểm tra.
• Các lớp hàng đầu : Biểu đồ hình bánh vòng thể hiện các lớp chú thích thường xuyên nhất.
• Độ rộng ảnh : Biểu đồ phân bố độ rộng ảnh
• Chiều cao ảnh : Biểu đồ phân bố chiều cao ảnh
• Điểm trên mỗi trường hợp : Phân bố số lượng đỉnh hoặc điểm đặc trưng của đa giác ( segment /bộ dữ liệu tư thế)
• Vị trí chú thích : Bản đồ nhiệt 2D về vị trí tâm của các hộp giới hạn.
• Kích thước hình ảnh : Bản đồ nhiệt 2D về chiều rộng so với chiều cao kèm theo hướng dẫn tỷ lệ khung hình.

Liên kết nhanh

• Tập dữ liệu: Tải lên và quản lý dữ liệu huấn luyện của bạn
• Chú thích: Gắn nhãn dữ liệu bằng các công cụ thủ công và hỗ trợ bởi AI

Câu hỏi thường gặp

Những định dạng tệp nào được hỗ trợ để tải lên?

Nền tảng Ultralytics hỗ trợ:

Hình ảnh: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (tối đa 50MB mỗi loại)

Video: MP4, WebM, MOV, AVI, MKV, M4V (tối đa 1GB, trích xuất khung hình ở tốc độ 1 FPS, tối đa 100 khung hình)

Tệp lưu trữ: ZIP, TAR, TAR.GZ, TGZ, GZ (tối đa 10GB) chứa hình ảnh với nhãn định dạng YOLO tùy chọn.

Kích thước tập dữ liệu tối đa là bao nhiêu?

Giới hạn lưu trữ phụ thuộc vào gói của bạn:

Giới hạn dung lượng từng tập tin: Hình ảnh 50MB, Video 1GB, Tập tin nén 10GB

Tôi có thể sử dụng các bộ dữ liệu Nền tảng của mình để huấn luyện cục bộ không?

Có! Sử dụng định dạng URI tập dữ liệu để huấn luyện cục bộ:

export ULTRALYTICS_API_KEY="your_key"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

import os

os.environ["ULTRALYTICS_API_KEY"] = "your_key"

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)

Hoặc xuất bộ dữ liệu của bạn ở định dạng NDJSON để huấn luyện hoàn toàn ngoại tuyến.

📅 Được tạo 1 tháng trước ✍️ Cập nhật 5 ngày trước

Bình luận