Facendo clic su "Accetta tutti i cookie", acconsenti alla memorizzazione dei cookie sul tuo dispositivo per migliorare la navigazione del sito, analizzare l'utilizzo del sito e contribuire alle nostre iniziative di marketing. Per saperne di più
Impostazioni dei cookie
Facendo clic su "Accetta tutti i cookie", acconsenti alla memorizzazione dei cookie sul tuo dispositivo per migliorare la navigazione del sito, analizzare l'utilizzo del sito e contribuire alle nostre iniziative di marketing. Per saperne di più
Addestramento personalizzato Ultralytics YOLO11 con set di dati di computer vision
Scopri come l'integrazione di Roboflow può semplificare la formazione personalizzata Ultralytics YOLO11 rendendo facilmente accessibili i dataset di computer vision open-source.
Questo è particolarmente vero quando si lavora in tempi stretti o si sviluppa un prototipo. In queste situazioni, disporre di strumenti o integrazioni che semplificano alcune parti del processo, come la preparazione dei set di dati o l'automazione di attività ripetitive, può fare una grande differenza. Riducendo il tempo e l'impegno necessari, queste soluzioni ti aiutano a concentrarti sulla costruzione e sul perfezionamento del modello. Questo è esattamente ciò che offre l'integrazione con Roboflow .
L'integrazione con Roboflow ti permette di accedere facilmente ai dataset di Roboflow Universe, una grande libreria di dataset open-source per la computer vision. Invece di passare ore a raccogliere e organizzare i dati, puoi trovare e utilizzare rapidamente i set di dati esistenti per avviare il tuo processo di formazione su YOLO11 . Questa integrazione rende molto più veloce e semplice la sperimentazione e l'iterazione dello sviluppo del modello di computer vision.
In questo articolo scopriremo come sfruttare l'integrazione con Roboflow per velocizzare lo sviluppo dei modelli. Iniziamo!
Cos'è Roboflow Universe?
Roboflow Universe è una piattaforma gestita da Roboflow, un'azienda che si occupa di semplificare lo sviluppo della computer vision. Contiene oltre 350 milioni di immagini, 500.000 set di dati e 100.000 modelli ottimizzati per attività come il rilevamento di oggetti, la classificazione di immagini e la segmentazione. Con i contributi di sviluppatori e ricercatori di tutto il mondo, Roboflow Universe è un centro di collaborazione per chiunque voglia avviare o migliorare i propri progetti di computer vision.
Figura 1. Esempi di set di dati per il rilevamento di oggetti su Roboflow Universe.
Roboflow Universe include le seguenti caratteristiche principali:
Strumenti di esplorazione dei dataset: Esplora, filtra e visualizza i set di dati per trovare rapidamente le risorse che corrispondono ai requisiti del tuo progetto.
Opzioni di esportazione: Esporta i dati in formati come COCO, YOLO, TFRecord, CSV e altri ancora per adattarli al tuo flusso di lavoro.
Analisi dei dataset: Ottieni informazioni su vari set di dati con strumenti di analisi che forniscono visualizzazioni delle distribuzioni delle etichette, degli squilibri tra le classi e della qualità del set di dati.
Tracciamento delle versioni: Visualizza e accedi alle diverse versioni dei set di dati caricati dai collaboratori, consentendoti di monitorare gli aggiornamenti, confrontare le modifiche e scegliere la versione più adatta alle esigenze del tuo progetto.
L'integrazione con Roboflow ti aiuta a trovare i dati giusti
Trovare il giusto set di dati è spesso una delle parti più impegnative della costruzione di un modello di computer vision. La creazione di un set di dati di solito implica la raccolta di grandi quantità di immagini, l'accertamento che siano rilevanti per il tuo compito e l'etichettatura accurata.
Questo processo può richiedere molto tempo e risorse, soprattutto se stai sperimentando diversi approcci in un breve periodo. Anche trovare set di dati preesistenti può essere difficile, perché spesso sono sparsi tra le varie piattaforme, non sono documentati correttamente o mancano delle annotazioni specifiche di cui hai bisogno.
Ad esempio, se stai realizzando un'applicazione di computer vision per rilevare le erbacce nei campi agricoli, potresti voler testare diversi approcci di Vision AI, come il rilevamento degli oggetti rispetto alla segmentazione delle istanze. In questo modo potrai sperimentare e capire quale metodo funziona meglio prima di dedicare tempo e fatica alla raccolta e all'etichettatura del tuo set di dati.
Figura 2. Rilevamento delle parti di un'automobile con YOLO11.
Utilizzando l'integrazione con Roboflow , puoi sfogliare una serie di set di dati relativi all'agricoltura, tra cui quelli incentrati sul rilevamento delle erbe infestanti, sulla salute delle colture o sul monitoraggio dei campi. Questi set di dati pronti all'uso ti permettono di provare diverse tecniche e di perfezionare il tuo modello senza dover creare i tuoi dati.
Come funziona l'integrazione di Roboflow
Ora che abbiamo discusso di come puoi utilizzare l'integrazione di Roboflow per trovare i dataset giusti, vediamo come si inserisce nel tuo flusso di lavoro. Una volta scelto un set di dati dall'Universo Roboflow , puoi esportarlo o scaricarlo nel formato YOLO11 . Una volta esportato il set di dati, puoi utilizzarlo per addestrare in modo personalizzato YOLO11 utilizzando il pacchetto Ultralytics Python .
Mentre scarichi il tuo set di dati, potresti notare che Roboflow Universe supporta anche altri formati per l'addestramento di diversi modelli. Quindi, perché dovresti scegliere di addestrare in modo personalizzato Ultralytics YOLO11 ?
YOLO11 è l'ultima versione dei modelli di Ultralytics YOLO ed è stata sviluppata per offrire un rilevamento degli oggetti più rapido e preciso. Utilizza il 22% in meno di parametri (i valori interni che un modello regola durante l'addestramento per fare previsioni) rispetto a YOLOv8m, ma raggiunge una precisione media superiore (mAP) sul set di dati COCO. Questo equilibrio tra velocità e precisione rende YOLO11 una scelta versatile per un'ampia gamma di applicazioni di computer vision, soprattutto quando si tratta di addestrare modelli personalizzati per soddisfare compiti specifici.
Alimentazione dei dati: Il modello YOLO11 elabora il tuo set di dati, imparando a rilevare e classificare gli oggetti dalle immagini e dalle loro annotazioni.
Previsione e feedback: Il modello fa delle previsioni sugli oggetti presenti nelle immagini e le confronta con le risposte corrette fornite nel dataset.
Monitoraggio delle prestazioni: Metriche come precisione (rilevamenti corretti), richiamo (rilevamenti mancati) e perdita (errori di previsione) vengono monitorate per valutare i progressi.
Apprendimento iterativo: Il modello regola i suoi parametri in più round (epoche) per migliorare l'accuratezza del rilevamento e minimizzare gli errori.
Output finale del modello: Dopo l'addestramento, il modello ottimizzato viene salvato e pronto per essere distribuito.
Altre integrazioni incentrate sullo sviluppo della visione artificiale
Questo per fornire alla nostra comunità una serie di opzioni, in modo che tu possa scegliere ciò che funziona meglio per il tuo specifico flusso di lavoro.
Figura 3. Una panoramica delle integrazioni supportate da Ultralytics.
Integrazioni per la formazione: Integrazioni come Amazon SageMaker e Paperspace Gradient semplificano i flussi di lavoro della formazione offrendo piattaforme basate sul cloud per lo sviluppo e il test di modelli efficienti.
Integrazioni per il monitoraggio dei flussi di lavoro e degli esperimenti: ClearML MLFlow e Weights & Biases (W&B) aiutano ad automatizzare i flussi di lavoro, a tracciare gli esperimenti e a migliorare la collaborazione, rendendo più semplice la gestione dei progetti di apprendimento automatico.
Ottimizzazione e integrazioni per la distribuzione: CoreML, ONNX, e OpenVINO consentono una distribuzione ottimizzata su vari dispositivi e framework, garantendo prestazioni efficienti su piattaforme come l'hardware Apple e le CPU Intel .
Integrazioni per il monitoraggio e la visualizzazione: TensorBoard e Weights & Biases forniscono strumenti per visualizzare i progressi dell'allenamento e monitorare le prestazioni, fornendo informazioni dettagliate per perfezionare i modelli.
YOLO11 applicazioni e il ruolo delle integrazioni
Le integrazioni che supportano lo sviluppo della computer vision, combinate con le affidabili funzionalità di YOLO11, rendono più facile la risoluzione delle sfide del mondo reale. Considera innovazioni come la computer vision nel settore manifatturiero, dove l'intelligenza artificiale viene utilizzata per rilevare i difetti su una linea di produzione, come graffi su parti metalliche o componenti mancanti. La raccolta dei dati giusti per queste attività può essere spesso lenta e impegnativa e richiede l'accesso ad ambienti specializzati.
In genere si tratta di installare telecamere o sensori lungo le linee di produzione per acquisire immagini dei prodotti. Queste immagini devono essere scattate in grandi volumi, spesso in condizioni di illuminazione e angolazioni costanti, per garantire chiarezza e uniformità.
Una volta acquisite, le immagini devono essere meticolosamente annotate con etichette precise per ogni tipo di difetto, come graffi, ammaccature o componenti mancanti. Questo processo richiede tempo e risorse considerevoli, oltre che competenze, per assicurarsi che il set di dati rifletta accuratamente la variabilità del mondo reale. Per creare un set di dati solido e affidabile è necessario tenere conto di fattori come le diverse dimensioni, forme e materiali dei difetti.
Le integrazioni che forniscono set di dati già pronti facilitano attività come il controllo della qualità industriale e, grazie alle capacità di rilevamento in tempo reale di YOLO11, i produttori possono monitorare le linee di produzione, individuare immediatamente i difetti e migliorare l'efficienza.
Figura 4. Un esempio di utilizzo di Ultraytics YOLO11 per rilevare e contare le lattine in produzione.
Oltre al settore manifatturiero, le integrazioni relative ai dataset possono essere utilizzate in molti altri settori. Combinando la velocità e l'accuratezza di YOLO11con set di dati facilmente accessibili, le aziende possono sviluppare e implementare rapidamente soluzioni su misura per le loro esigenze specifiche. Prendiamo ad esempio il settore sanitario: le integrazioni dei dataset possono aiutare a sviluppare soluzioni per analizzare le immagini mediche e rilevare anomalie come i tumori. Allo stesso modo, nella guida autonoma, queste integrazioni possono aiutare a identificare veicoli, pedoni e segnali stradali per migliorare la sicurezza.
Punti di forza
Trovare il set di dati giusto è spesso una delle fasi più lunghe della costruzione di un modello di computer vision. Tuttavia, l'integrazione con Roboflow rende più facile trovare il dataset migliore per l'addestramento personalizzato dei tuoi modelli Ultralytics YOLO , anche se sei alle prime armi con la computer vision.
Grazie all'accesso a una vasta collezione di set di dati per attività di computer vision come il rilevamento di oggetti, la classificazione di immagini o la segmentazione di istanze, Roboflow Universe elimina il problema del processo di scoperta dei dati. Ti aiuta a iniziare rapidamente e a concentrarti sulla costruzione del tuo modello piuttosto che dedicare tempo alla raccolta e all'organizzazione dei dati. Questo approccio semplificato consente agli sviluppatori di prototipare, iterare e sviluppare soluzioni di computer vision in modo più efficiente.
%25202.png)
