Kundenspezifisches Training von Ultralytics YOLO11 mit Computer-Vision-Datensätzen

Training eines Computer-Vision-Modells wie Ultralytics YOLO11 umfasst in der Regel das Sammeln von Bildern für Ihren Datensatz, deren Beschriftung, die Aufbereitung der Daten und die Feinabstimmung des Modells, um Ihre spezifischen Anforderungen zu erfüllen. Obwohl das Ultralytics Python diese Schritte einfach und benutzerfreundlich gestaltet, kann die Entwicklung von Vision AI dennoch zeitaufwändig sein.

Dies gilt insbesondere, wenn Sie unter Zeitdruck arbeiten oder einen Prototyp entwickeln. In solchen Situationen können Tools oder Integrationen, die Teile des Prozesses vereinfachen - wie die Rationalisierung der Datensatzvorbereitung oder die Automatisierung sich wiederholender Aufgaben - einen großen Unterschied machen. Durch die Reduzierung des Zeit- und Arbeitsaufwands helfen diese Lösungen Ihnen, sich auf die Erstellung und Verfeinerung Ihres Modells zu konzentrieren. Genau das bietet die Roboflow .

Mit der Roboflow können Sie einfach auf Datensätze aus dem Roboflow zugreifen, einer großen Bibliothek mit Open-Source-Computer-Vision-Datensätzen. Anstatt Stunden mit dem Sammeln und Organisieren von Daten zu verbringen, können Sie schnell vorhandene Datensätze finden und verwenden, um Ihren YOLO11 in Gang zu bringen. Diese Integration macht es viel schneller und einfacher, zu experimentieren und die Entwicklung Ihres Computer Vision Modells zu wiederholen.

In diesem Artikel erfahren Sie, wie Sie die Roboflow für eine schnellere Modellentwicklung nutzen können. Legen wir los!

Was ist Roboflow Universe?

Roboflow Universe ist eine Plattform, die von Roboflow verwaltet wird, einem Unternehmen, das sich auf die Vereinfachung der Entwicklung von Computer Vision konzentriert. Sie besteht aus über 350 Millionen Bildern, 500.000 Datensätzen und 100.000 fein abgestimmten Modellen für Aufgaben wie Objekterkennung, Bildklassifizierung und Segmentierung. Mit Beiträgen von Entwicklern und Forschern aus der ganzen Welt ist Roboflow Universe ein kollaboratives Zentrum für alle, die ihre Computer-Vision-Projekte starten oder verbessern möchten.

‍

Roboflow Universe umfasst die folgenden Hauptfunktionen:

• Tools zur Datensatzexploration: Untersuchen, filtern und visualisieren Sie Datensätze, um schnell die Ressourcen zu finden, die Ihren Projektanforderungen entsprechen.
  ‍
• Optionen für den Export: Exportieren Sie Daten in Formate wie COCO, YOLO, TFRecord, CSV und andere, die Ihrem Arbeitsablauf entsprechen.
  ‍
• Datensatzanalyse: Gewinnen Sie Einblicke in verschiedene Datensätze mit Analysetools, die Visualisierungen von Label-Verteilungen, Klassenungleichgewichten und der Datensatzqualität bieten. 
  ‍
• Versionsverfolgung: Zeigen Sie verschiedene Versionen von Datensätzen an, die von Mitwirkenden hochgeladen wurden, und greifen Sie darauf zu. So können Sie Aktualisierungen track , Änderungen vergleichen und die Version auswählen, die Ihren Projektanforderungen am besten entspricht. 

Die Roboflow hilft Ihnen, die richtigen Daten zu finden

Das richtige Dataset zu finden, ist oft eine der größten Herausforderungen beim Aufbau eines Computer Vision Modells. Das Erstellen eines Datasets umfasst in der Regel das Sammeln großer Mengen von Bildern, das Sicherstellen, dass diese für Ihre Aufgabe relevant sind, und das anschließende akkurate Beschriften. 

Dieser Prozess kann viel Zeit und Ressourcen in Anspruch nehmen, insbesondere wenn Sie in kurzer Zeit mit verschiedenen Ansätzen experimentieren. Selbst das Auffinden bereits vorhandener Datensätze kann schwierig sein, da diese oft über verschiedene Plattformen verstreut, nicht richtig dokumentiert sind oder die spezifischen Annotationen fehlen, die Sie benötigen.

Wenn Sie z. B. eine Bildverarbeitungsanwendung zur detect Unkraut auf landwirtschaftlichen Feldern entwickeln, möchten Sie vielleicht verschiedene Vision AI-Ansätze testen, z. B. Objekterkennung oder Instanzsegmentierung. Auf diese Weise können Sie experimentieren und herausfinden, welche Methode am besten funktioniert, bevor Sie Zeit und Mühe in das Sammeln und Beschriften Ihres eigenen Datensatzes investieren.

‍

Mit der Roboflow können Sie eine Vielzahl landwirtschaftlicher Datensätze durchsuchen, z. B. zur Unkrauterkennung, Pflanzengesundheit oder Feldüberwachung. Mit diesen gebrauchsfertigen Datensätzen können Sie verschiedene Techniken ausprobieren und Ihr Modell verfeinern, ohne dass Sie zunächst Ihre eigenen Daten erstellen müssen. 

Wie die Roboflow funktioniert

Nachdem wir nun besprochen haben, wie Sie die Roboflow nutzen können, um die richtigen Datensätze zu finden, wollen wir uns nun ansehen, wie sie in Ihren Arbeitsablauf passt. Sobald Sie einen Datensatz aus Roboflow Universe ausgewählt haben, können Sie ihn im YOLO11 exportieren oder herunterladen. Nachdem Ihr Datensatz exportiert wurde, können Sie ihn für das benutzerdefinierte Training YOLO11 mit dem Ultralytics Python verwenden. 

Beim Herunterladen Ihres Datensatzes werden Sie vielleicht feststellen, dass Roboflow Universe auch andere Formate für das Training verschiedener Modelle unterstützt. Warum sollten Sie sich also für das benutzerdefinierte Training von Ultralytics YOLO11 entscheiden? 

YOLO11 ist die neueste Version derYOLO Ultralytics und wurde für eine schnellere und genauere Objekterkennung entwickelt. Es verwendet 22 % weniger Parameter (die internen Werte, die ein Modell während des Trainings anpasst, um Vorhersagen zu treffen) als YOLOv8m und erreicht dennoch eine höhere durchschnittliche GenauigkeitmAP) auf dem COCO . Diese Ausgewogenheit von Geschwindigkeit und Präzision macht YOLO11 zu einer vielseitigen Wahl für eine breite Palette von Bildverarbeitungsanwendungen, vor allem wenn Modelle für spezielle Aufgaben trainiert werden.

Hier ein genauerer Blick auf die Funktionsweise des YOLO11:

• Dateneingabe: Das YOLO11 verarbeitet Ihren Datensatz und lernt, Objekte aus den Bildern und ihren Anmerkungen zu detect und zu classify .
  ‍
• Vorhersage und Feedback: Das Modell trifft Vorhersagen über Objekte in den Bildern und vergleicht diese mit den korrekten Antworten, die im Datensatz enthalten sind.
  ‍
• Performance-Tracking: Metriken wie Präzision (korrekte Erkennungen), Recall (verpasste Erkennungen) und Loss (Vorhersagefehler) werden überwacht, um den Fortschritt zu messen.
  ‍
• Iteratives Lernen: Das Modell passt seine Parameter über mehrere Runden (Epochen) an, um die Erkennungsgenauigkeit zu verbessern und Fehler zu minimieren.
  ‍
• Finales Modell-Ergebnis: Nach dem Training wird das optimierte Modell gespeichert und ist bereit für den Einsatz.

Weitere Integrationen mit Fokus auf Computer Vision Entwicklung

Wenn Sie die Roboflow erkunden, werden Sie feststellen, dass in der Ultralytics noch weitere Integrationen erwähnt werden. Wir unterstützen eine Vielzahl von Integrationen, die sich auf verschiedene Phasen der Entwicklung von Computer Vision beziehen. 

Dies soll unserer Community eine Reihe von Optionen bieten, damit Sie auswählen können, was für Ihren spezifischen Workflow am besten geeignet ist.

‍

Zusätzlich zu den Datensätzen konzentrieren sich andere Ultralytics Integrationen auf verschiedene Teile des Computer-Vision-Prozesses, wie Training, Einsatz und Optimierung. Hier sind einige Beispiele für andere Integrationen, die wir unterstützen:

• Integrationen für Schulungen: Integrationen wie Amazon SageMaker und Paperspace Gradient rationalisieren Schulungsworkflows, indem sie cloudbasierte Plattformen für effiziente Modellentwicklung und -tests bieten.
  ‍
• Integrationen für Arbeitsabläufe und Experimentverfolgung: ClearML, MLFlow und Weights & Biases (W&B) helfen bei der Automatisierung von Arbeitsabläufen, der track Experimenten und der Verbesserung der Zusammenarbeit und erleichtern so die Verwaltung von Projekten des maschinellen Lernens.
  ‍
• Optimierungs- und Bereitstellungsintegrationen: CoreML, ONNX und OpenVINO ermöglichen eine optimierte Bereitstellung auf verschiedenen Geräten und Frameworks und gewährleisten eine effiziente Leistung auf Plattformen wie Apple-Hardware und Intel .
  ‍
• Integrationen für Überwachung und Visualisierung: TensorBoard und Weights & Biases bieten Tools zur Visualisierung des Trainingsfortschritts und zur Überwachung der Leistung, die detaillierte Einblicke zur Verfeinerung der Modelle liefern.

YOLO11 und die Rolle der Integrationen

Integrationen, die die Entwicklung von Computer Vision unterstützen, in Kombination mit den zuverlässigen Funktionen von YOLO11, erleichtern die Lösung von Herausforderungen in der realen Welt. Denken Sie an Innovationen wie Computer Vision in der Fertigung, wo Bildverarbeitungs-KI verwendet wird, um Defekte an einer Produktionslinie detect - wie Kratzer auf Metallteilen oder fehlende Komponenten. Das Sammeln der richtigen Daten für solche Aufgaben ist oft langsam und schwierig und erfordert den Zugang zu speziellen Umgebungen. 

Es beinhaltet typischerweise das Aufstellen von Kameras oder Sensoren entlang von Produktionslinien, um Bilder der Produkte aufzunehmen. Diese Bilder müssen in großen Mengen aufgenommen werden, oft unter gleichmäßiger Beleuchtung und Winkeln, um Klarheit und Einheitlichkeit zu gewährleisten. 

Nach der Erfassung müssen die Bilder sorgfältig mit präzisen Beschriftungen für jede Art von Defekt versehen werden, wie z. B. Kratzer, Dellen oder fehlende Komponenten. Dieser Prozess erfordert beträchtliche Zeit und Ressourcen sowie Fachwissen, um sicherzustellen, dass der Datensatz die reale Variabilität genau widerspiegelt. Faktoren wie unterschiedliche Defektgrößen, -formen und -materialien müssen berücksichtigt werden, um einen robusten und zuverlässigen Datensatz zu erstellen.

Integrationen, die fertige Datensätze bereitstellen, erleichtern Aufgaben wie die industrielle Qualitätskontrolle, und mit den Echtzeit-Erkennungsfunktionen von YOLO11können Hersteller Produktionslinien überwachen, Fehler sofort erkennen und die Effizienz verbessern.

‍

Neben dem verarbeitenden Gewerbe können datenbezogene Integrationen auch in vielen anderen Branchen genutzt werden. Durch die Kombination der Geschwindigkeit und Genauigkeit von YOLO11mit leicht zugänglichen Datensätzen können Unternehmen schnell Lösungen entwickeln und einsetzen, die auf ihre spezifischen Bedürfnisse zugeschnitten sind. Beispiel Gesundheitswesen: Die Integration von Datensätzen kann bei der Entwicklung von Lösungen zur Analyse medizinischer Bilder helfen, um Anomalien wie Tumore detect . Beim autonomen Fahren können solche Integrationen bei der Erkennung von Fahrzeugen, Fußgängern und Verkehrszeichen helfen, um die Sicherheit zu erhöhen.

Wesentliche Erkenntnisse

Die Suche nach dem richtigen Datensatz ist oft einer der zeitaufwändigsten Teile der Erstellung eines Computer-Vision-Modells. Mit der Roboflow ist es jedoch einfacher, den besten Datensatz für das benutzerdefinierte Training Ihrer Ultralytics YOLO zu finden, selbst wenn Sie noch keine Erfahrung mit Computer Vision haben. 

Roboflow Universe bietet Zugriff auf eine umfangreiche Sammlung von Datensätzen für Computer-Vision-Aufgaben wie Objekterkennung, Bildklassifizierung oder Instanzsegmentierung und nimmt Ihnen damit die Mühe der Datenerfassung ab. Es hilft Ihnen, schnell loszulegen und sich auf die Entwicklung Ihres Modells zu konzentrieren, anstatt Zeit mit dem Sammeln und Organisieren von Daten zu verbringen. Dieser rationalisierte Ansatz ermöglicht es Entwicklern, Prototypen zu erstellen, zu iterieren und Computer-Vision-Lösungen effizienter zu entwickeln.

Um mehr zu erfahren, besuchen Sie unser GitHub-Repository und interagieren Sie mit unserer Community. Entdecken Sie Innovationen in Bereichen wie KI in selbstfahrenden Autos und Computer Vision in der Landwirtschaft auf unseren Lösungsseiten. 🚀