Integração Roboflow

A Roboflow fornece um conjunto de ferramentas projetadas para construir e implantar modelos de visão computacional. Você pode integrar a Roboflow em vários estágios do seu pipeline de desenvolvimento usando suas APIs e SDKs, ou utilizar sua interface de ponta a ponta para gerenciar o processo desde a coleta de imagens até a inferência. A Roboflow oferece funcionalidades para rotulagem de dados, treinamento de modelos e implantação de modelos, fornecendo componentes para desenvolver soluções personalizadas de visão computacional juntamente com as ferramentas Ultralytics.

Este guia demonstra como encontrar, rotular e organizar dados para treinar um modelo Ultralytics YOLO11 personalizado usando o Roboflow.

• Coletar Dados para Treinar um Modelo YOLO11 Personalizado
• Carregar, Converter e Rotular Dados para o Formato YOLO11
• Pré-processar e Aumentar Dados para Robustez do Modelo
• Gerenciamento de Conjunto de Dados para YOLO11
• Exportar Dados em Mais de 40 Formatos para Treinamento de Modelo
• Carregar Pesos de Modelo YOLO11 Personalizados para Testes e Implementação
• Como Avaliar Modelos YOLO11
• Recursos de Aprendizagem
• Apresentação de Projetos
• FAQ

Coletar Dados para Treinar um Modelo YOLO11 Personalizado

O Roboflow oferece dois serviços principais para auxiliar na coleta de dados para modelos YOLO da Ultralytics: Universe e Collect. Para obter informações mais gerais sobre estratégias de coleta de dados, consulte nosso Guia de Coleta e Anotação de Dados.

Roboflow Universe

Roboflow Universe é um repositório online com um grande número de conjuntos de dados de visão.

Com uma conta Roboflow, você pode exportar conjuntos de dados disponíveis no Universe. Para exportar um conjunto de dados, use o botão "Download this Dataset" (Baixar este Conjunto de Dados) na página do conjunto de dados relevante.

Para compatibilidade com o YOLO11 da Ultralytics, selecione "YOLO11" como o formato de exportação:

O Universe também apresenta uma página que agrega modelos YOLO ajustados publicamente e carregados no Roboflow. Isso pode ser útil para explorar modelos pré-treinados para testes ou rotulagem automatizada de dados.

Roboflow Collect

Se você preferir coletar imagens você mesmo, o Roboflow Collect é um projeto de código aberto que permite a coleta automática de imagens por meio de uma webcam em dispositivos de borda. Você pode usar prompts de texto ou imagem para especificar os dados a serem coletados, ajudando a capturar apenas as imagens necessárias para o seu modelo de visão.

Carregar, Converter e Rotular Dados para o Formato YOLO11

Roboflow Annotate é uma ferramenta online para rotular imagens para várias tarefas de visão computacional, incluindo detecção de objetos, classificação e segmentação.

Para rotular dados para um modelo Ultralytics YOLO (que suporta detecção, segmentação de instâncias, classificação, estimativa de pose e OBB), comece criando um projeto no Roboflow.

Em seguida, carregue suas imagens e quaisquer anotações existentes de outras ferramentas no Roboflow.

Após o envio, você será direcionado para a página de anotações. Selecione o lote de imagens enviadas e clique em "Start Annotating" para começar a rotular.

Ferramentas de Anotação

• Anotação de Bounding Box: Pressione B ou clique no ícone de caixa. Clique e arraste para criar o(a) bounding box. Um pop-up solicitará que você selecione uma classe para a anotação.

• Anotação de Polígonos: Usado para segmentação de instâncias. Pressione P ou clique no ícone de polígono. Clique nos pontos ao redor do objeto para desenhar o polígono.

Assistente de Rotulagem (Integração SAM)

O Roboflow integra um assistente de rotulagem baseado no Segment Anything Model (SAM) para potencialmente acelerar a anotação.

Para usar o assistente de rotulagem, clique no ícone de cursor na barra lateral. O SAM será ativado para o seu projeto.

Passe o mouse sobre um objeto e o SAM pode sugerir uma anotação. Clique para aceitar a anotação. Você pode refinar a especificidade da anotação clicando dentro ou fora da área sugerida.

Marcação

Pode adicionar tags às imagens usando o painel Tags na barra lateral. As tags podem representar atributos como localização, fonte da câmara, etc. Estas tags permitem-lhe procurar imagens específicas e gerar versões de conjuntos de dados contendo imagens com tags específicas.

Assistente de Rotulagem (Baseado em Modelo)

Modelos hospedados no Roboflow podem ser usados com o Label Assist, uma ferramenta de anotação automatizada que utiliza seu modelo YOLO11 treinado para sugerir anotações. Primeiro, carregue os pesos do seu modelo YOLO11 no Roboflow (veja as instruções abaixo). Em seguida, ative o Label Assist clicando no ícone de varinha mágica na barra lateral esquerda e selecionando seu modelo.

Escolha o seu modelo e clique em "Continuar" para ativar o Assistente de Rotulagem:

Quando você abre novas imagens para anotação, o Label Assist pode sugerir automaticamente anotações com base nas previsões do seu modelo.

Gerenciamento de Conjunto de Dados para YOLO11

O Roboflow fornece várias ferramentas para entender e gerenciar seus conjuntos de dados de visão computacional.

Pesquisa de Conjuntos de Dados

Use a pesquisa de dataset para encontrar imagens com base em descrições de texto semânticas (por exemplo, "encontre todas as imagens que contenham pessoas") ou rótulos/tags específicos. Acesse este recurso clicando em "Dataset" na barra lateral e usando a barra de pesquisa e os filtros.

Por exemplo, pesquisando imagens que contenham pessoas:

Você pode refinar as pesquisas usando tags através do seletor "Tags":

Verificação de Saúde

Antes do treinamento, use o Roboflow Health Check para obter insights sobre seu conjunto de dados e identificar possíveis melhorias. Acesse-o através do link da barra lateral "Health Check". Ele fornece estatísticas sobre tamanhos de imagem, equilíbrio de classes, mapas de calor de anotações e muito mais.

A Verificação de Saúde pode sugerir alterações para melhorar o desempenho, como abordar desequilíbrios de classe identificados no recurso de equilíbrio de classe. Entender a saúde do conjunto de dados é crucial para um treinamento de modelo eficaz.

Pré-processar e Aumentar Dados para Robustez do Modelo

Para exportar seus dados, você precisa criar uma versão do conjunto de dados, que é um snapshot do seu conjunto de dados em um ponto específico no tempo. Clique em "Versions" na barra lateral e, em seguida, em "Create New Version". Aqui, você pode aplicar etapas de pré-processamento e aumentos de dados para potencialmente melhorar a robustez do modelo.

Para cada aumento selecionado, um pop-up permite ajustar seus parâmetros, como o brilho. O aumento adequado pode melhorar significativamente a generalização do modelo, um conceito-chave discutido em nosso guia de dicas de treinamento de modelo.

Exportar Dados em Mais de 40 Formatos para Treinamento de Modelo

Depois que sua versão do conjunto de dados for gerada, você poderá exportá-la em vários formatos adequados para o treinamento do modelo. Clique no botão "Export Dataset" (Exportar Conjunto de Dados) na página da versão.

Selecione o formato "YOLO11" para compatibilidade com os pipelines de treinamento da Ultralytics. Agora você está pronto para treinar seu modelo YOLO11 personalizado. Consulte a documentação do modo de treinamento da Ultralytics para obter instruções detalhadas sobre como iniciar o treinamento com seu conjunto de dados exportado.

Carregar Pesos de Modelo YOLO11 Personalizados para Testes e Implementação

O Roboflow oferece uma API escalável para modelos implementados e SDKs compatíveis com dispositivos como NVIDIA Jetson, Luxonis OAK, Raspberry Pi e sistemas baseados em GPU. Explore várias opções de implantação de modelos em nossos guias.

Você pode implantar modelos YOLO11 enviando seus pesos para o Roboflow usando um script simples em Python.

Crie um novo arquivo python e adicione o seguinte código:

import roboflow  # install with 'pip install roboflow'

# Log in to Roboflow (requires API key)
roboflow.login()

# Initialize Roboflow client
rf = roboflow.Roboflow()

# Define your workspace and project details
WORKSPACE_ID = "your-workspace-id"  # Replace with your actual Workspace ID
PROJECT_ID = "your-project-id"  # Replace with your actual Project ID
VERSION = 1  # Replace with your desired dataset version number
MODEL_PATH = "path/to/your/runs/detect/train/"  # Replace with the path to your YOLO11 training results directory

# Get project and version
project = rf.workspace(WORKSPACE_ID).project(PROJECT_ID)
dataset = project.version(VERSION)

# Upload model weights for deployment
# Ensure model_path points to the directory containing 'best.pt'
project.version(dataset.version).deploy(
    model_type="yolov8", model_path=MODEL_PATH
)  # Note: Use "yolov8" as model_type for YOLO11 compatibility in Roboflow deployment

print(f"Model from {MODEL_PATH} uploaded to Roboflow project {PROJECT_ID}, version {VERSION}.")
print("Deployment may take up to 30 minutes.")

Neste código, substitua your-workspace-id, your-project-id, a função VERSION número, e o MODEL_PATH com os valores específicos da sua conta Roboflow, projeto e diretório local de resultados de treinamento. Certifique-se de que o MODEL_PATH aponta corretamente para o diretório que contém o seu modelo treinado best.pt arquivo de pesos.

Quando você executa o código acima, será solicitado que você se autentique (geralmente através de uma chave de API). Em seguida, seu modelo será carregado e um endpoint de API será criado para seu projeto. Este processo pode levar até 30 minutos para ser concluído.

Para testar seu modelo e encontrar instruções de implantação para SDKs suportados, vá para a guia "Deploy" na barra lateral do Roboflow. Na parte superior desta página, um widget aparecerá permitindo que você teste seu modelo usando sua webcam ou carregando imagens ou vídeos.

Seu modelo carregado também pode ser usado como um assistente de rotulagem, sugerindo anotações em novas imagens com base em seu treinamento.

Como Avaliar Modelos YOLO11

O Roboflow fornece recursos para avaliar o desempenho do modelo. Compreender as métricas de desempenho é crucial para a iteração do modelo.

Após carregar um modelo, acesse a ferramenta de avaliação do modelo através da página do seu modelo no painel Roboflow. Clique em "View Detailed Evaluation" (Visualizar Avaliação Detalhada).

Esta ferramenta exibe uma matriz de confusão ilustrando o desempenho do modelo e um gráfico de análise vetorial interativo usando embeddings CLIP. Esses recursos ajudam a identificar áreas para melhoria do modelo.

O pop-up da matriz de confusão:

Passe o mouse sobre as células para ver os valores e clique nas células para visualizar as imagens correspondentes com as previsões do modelo e os dados de verdade básica.

Clique em "Análise Vetorial" para um gráfico de dispersão visualizando a similaridade da imagem com base em embeddings CLIP. Imagens mais próximas são semanticamente similares. Pontos representam imagens, coloridas de branco (bom desempenho) a vermelho (mau desempenho).

A Análise Vetorial ajuda a:

• Identifique clusters de imagens.
• Identifique clusters onde o modelo tem um desempenho insatisfatório.
• Entenda as semelhanças entre as imagens que causam baixo desempenho.

Recursos de Aprendizagem

Explore estes recursos para saber mais sobre como usar Roboflow com Ultralytics YOLO11:

• Treinar YOLO11 num Dataset Personalizado (Colab): Um notebook interativo do Google Colab que o guia através do treino do YOLO11 nos seus dados.
• Documentação do YOLO11: Saiba mais sobre o treino, a exportação e a implementação de modelos YOLO11 dentro da estrutura Ultralytics.
• Blog da Ultralytics: Apresenta artigos sobre visão computacional, incluindo treino de YOLO11 e melhores práticas de anotação.
• Canal da Ultralytics no YouTube: Oferece guias de vídeo detalhados sobre tópicos de visão computacional, desde o treino de modelos até a rotulagem automatizada e a implementação.

Apresentação de Projetos

Feedback de usuários combinando Ultralytics YOLO11 e Roboflow:

FAQ

Perguntas Frequentes

Como rotulo dados para modelos YOLO11 usando o Roboflow?

Use o Roboflow Annotate. Crie um projeto, carregue imagens e use as ferramentas de anotação (B para bounding boxes, P para polígonos) ou o assistente de rotulagem baseado em SAM para rotulagem mais rápida. Etapas detalhadas estão disponíveis no Seção Upload, Convert and Label Data.

Quais serviços o Roboflow oferece para coletar dados de treinamento YOLO11?

O Roboflow fornece o Universe (acesso a inúmeros conjuntos de dados) e o Collect (coleta automatizada de imagens via webcam). Estes podem ajudar a adquirir os dados de treinamento necessários para o seu modelo YOLO11, complementando as estratégias descritas no nosso Guia de Coleta de Dados.

Como posso gerenciar e analisar meu conjunto de dados YOLO11 usando o Roboflow?

Utilize os recursos de pesquisa, marcação e verificação de integridade do conjunto de dados da Roboflow. A pesquisa encontra imagens por texto ou tags, enquanto a verificação de integridade analisa a qualidade do conjunto de dados (equilíbrio de classes, tamanhos de imagem, etc.) para orientar as melhorias antes do treinamento. Consulte a seção Gerenciamento de Conjunto de Dados para obter detalhes.

Como exporto meu conjunto de dados YOLO11 do Roboflow?

Crie uma versão do conjunto de dados no Roboflow, aplique o pré-processamento e os aumentos desejados e, em seguida, clique em "Export Dataset" e selecione o formato YOLO11. O processo está descrito na seção Export Data. Isso prepara seus dados para uso com os pipelines de treinamento Ultralytics.

Como posso integrar e implementar modelos YOLO11 com o Roboflow?

Carregue seus pesos YOLO11 treinados no Roboflow usando o script Python fornecido. Isso cria um endpoint de API implantável. Consulte a seção Upload Custom Weights para obter o script e as instruções. Explore outras opções de implantação em nossa documentação.

📅 Criado há 1 ano ✏️ Atualizado há 3 meses

Comentários