跳至内容

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:

更多详情,请参阅Ultralytics Licensing

上传

您可以通过Web UIREST 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。

Roboflow 注释

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。

Roboflow 预处理

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:

在 Colab 中打开

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。

Roboflow 主动学习

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CUDACUDNNPythonPyTorch等基本依赖项,以启动您的项目。

项目现状

YOLOv5 CI

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。



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (7)

评论