Roboflow 数据集
现在,您可以使用Roboflow 来组织、标注、准备、发布和托管您的数据集,以训练YOLOv5 🚀 模型。如果您公开工作空间,Roboflow 可免费与YOLOv5 一起使用。
许可
Ultralytics 提供两种许可选项:
- AGPL-3.0 许可证是经 OSI 批准的开放源码许可证,非常适合学生和爱好者使用。
- 企业许可证适用于希望将我们的人工智能模型纳入其产品和服务的企业。
更多详情,请参阅Ultralytics Licensing。
上传
您可以通过Web UI、REST API 或其他方式将数据上传到Roboflow 。 Python.
标签
将数据上传到Roboflow 后,您可以给数据贴标签,并查看以前的标签。
版本控制
您可以使用不同的预处理和离线增强选项制作不同版本的数据集。YOLOv5 本身就可以进行在线增强,因此在Roboflow 上进行离线增强时要有意识。
导出数据
您可以下载YOLOv5 格式的数据,以便快速开始培训。
from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")
定制培训
我们发布了一个自定义培训教程,演示了上述所有功能。您可以在这里访问代码:
主动学习
现实世界是混乱的,您的模型总会遇到数据集没有预料到的情况。使用主动学习是迭代改进数据集和模型的重要策略。通过Roboflow 和YOLOv5 集成,您可以使用经过实战检验的机器学习管道快速改进模型部署。
支持的环境
Ultralytics 提供了一系列随时可用的环境,每个环境都预装了CUDA、CUDNN、 Python和 PyTorch等基本依赖项,以启动您的项目。
- 免费 GPU 笔记本:
- 谷歌云:GCP 快速入门指南
- 亚马逊 AWS 快速入门指南
- Azure.AzureML 快速入门指南AzureML 快速入门指南
- Docker: Docker 快速入门指南
项目现状
此徽章表示YOLOv5 GitHub Actions 的所有持续集成(CI)测试均已成功通过。这些 CI 测试严格检查了YOLOv5 在训练、验证、推理、导出和基准等多个关键方面的功能和性能。它们确保在 macOS、Windows 和 Ubuntu 上运行的一致性和可靠性,每 24 小时和每次新提交时都会进行一次测试。