7 de janeiro de 2025
Descubra como a integração Roboflow pode simplificar a formação personalizada Ultralytics YOLO11 , tornando os conjuntos de dados de visão computacional de código aberto facilmente acessíveis.
Treinar um modelo de visão computacional como o Ultralytics YOLO11 envolve normalmente a recolha de imagens para o seu conjunto de dados, a sua anotação, a preparação dos dados e o ajuste fino do modelo para satisfazer os seus requisitos específicos. Embora o pacotePython Ultralytics torne estes passos simples e fáceis de utilizar, o desenvolvimento da IA de visão pode ainda assim ser moroso.
Isto torna-se particularmente verdadeiro quando se está a trabalhar com um prazo apertado ou a desenvolver um protótipo. Nestas situações, dispor de ferramentas ou integrações que simplifiquem partes do processo - como a otimização da preparação do conjunto de dados ou a automatização de tarefas repetitivas - pode fazer uma grande diferença. Ao reduzir o tempo e o esforço necessários, estas soluções ajudam-no a concentrar-se na construção e no aperfeiçoamento do seu modelo. É exatamente isso que a integração Roboflow oferece.
A integração Roboflow permite-lhe aceder facilmente a conjuntos de dados do Roboflow Universe, uma grande biblioteca de conjuntos de dados de visão computacional de código aberto. Em vez de passar horas a recolher e organizar dados, pode encontrar e utilizar rapidamente conjuntos de dados existentes para iniciar o seu processo de formação YOLO11 . Esta integração torna muito mais rápida e simples a experimentação e a iteração no desenvolvimento do seu modelo de visão computacional.
Neste artigo, vamos ver como pode aproveitar a integração Roboflow para um desenvolvimento de modelos mais rápido. Vamos começar!
O Roboflow Universe é uma plataforma mantida pela Roboflow, uma empresa centrada na simplificação do desenvolvimento da visão computacional. Consiste em mais de 350 milhões de imagens, 500.000 conjuntos de dados e 100.000 modelos aperfeiçoados para tarefas como deteção de objectos, classificação de imagens e segmentação. Com contribuições de programadores e investigadores de todo o mundo, o Roboflow Universe é um centro de colaboração para quem procura iniciar ou melhorar os seus projectos de visão computacional.
O Roboflow Universe inclui as seguintes caraterísticas principais:
Encontrar o dataset certo é, muitas vezes, um dos maiores desafios na construção de um modelo de visão computacional. Criar um dataset geralmente envolve coletar grandes quantidades de imagens, garantir que sejam relevantes para sua tarefa e, em seguida, rotulá-las com precisão.
Este processo pode consumir muito tempo e recursos, especialmente se você estiver experimentando diferentes abordagens em um curto período. Mesmo encontrar datasets pré-existentes pode ser complicado, pois geralmente estão espalhados por diversas plataformas, não estão documentados adequadamente ou carecem das anotações específicas de que você precisa.
Por exemplo, se estiver a criar uma aplicação de visão computacional para detect ervas daninhas em campos agrícolas, poderá querer testar diferentes abordagens de IA de visão, como a deteção de objectos versus a segmentação de instâncias. Isto permite-lhe experimentar e descobrir qual o método que funciona melhor antes de gastar tempo e esforço na recolha e rotulagem do seu próprio conjunto de dados.
Utilizando a integração Roboflow , pode navegar através de uma variedade de conjuntos de dados relacionados com a agricultura, incluindo os que se centram na deteção de ervas daninhas, saúde das culturas ou monitorização de campos. Estes conjuntos de dados prontos a utilizar permitem-lhe experimentar diferentes técnicas e aperfeiçoar o seu modelo sem o esforço inicial de criar os seus próprios dados.
Agora que já discutimos a forma como pode utilizar a integração Roboflow para encontrar os conjuntos de dados certos, vamos ver como se encaixa no seu fluxo de trabalho. Depois de ter escolhido um conjunto de dados do Universo Roboflow , pode exportá-lo ou descarregá-lo no formato YOLO11 . Depois de exportar o seu conjunto de dados, pode utilizá-lo para treinar YOLO11 de forma personalizada utilizando o pacote Ultralytics Python .
Ao descarregar o seu conjunto de dados, poderá reparar que o Roboflow Universe também suporta outros formatos para treinar diferentes modelos. Então, porque é que deve escolher treinar o Ultralytics YOLO11 à medida?
YOLO11 é a versão mais recente dos modelosYOLO Ultralytics e foi concebido para proporcionar uma deteção de objectos mais rápida e precisa. Utiliza menos 22% de parâmetros (os valores internos que um modelo ajusta durante o treino para fazer previsões) do que YOLOv8m, mas atinge uma precisão média superiormAP) no conjunto de dados COCO . Este equilíbrio entre velocidade e precisão faz do YOLO11 uma escolha versátil para uma vasta gama de aplicações de visão por computador, especialmente quando se trata de modelos de treino personalizados para tarefas específicas.
Eis uma visão mais pormenorizada do funcionamento do treino personalizado YOLO11:
Ao explorar a integração Roboflow , irá reparar noutras integrações mencionadas na documentaçãoUltralytics . Apoiamos uma variedade de integrações relacionadas com várias fases do desenvolvimento da visão computacional.
Isso é para fornecer à nossa comunidade uma variedade de opções, para que você possa escolher o que funciona melhor para seu fluxo de trabalho específico.
Para além dos conjuntos de dados, outras integraçõesUltralytics centram-se em várias partes do processo de visão computacional, como a formação, a implementação e a otimização. Aqui estão alguns exemplos de outras integrações que apoiamos:
As integrações que suportam o desenvolvimento da visão computacional, combinadas com as capacidades fiáveis do YOLO11, facilitam a resolução de desafios do mundo real. Considere inovações como a visão computacional na fabricação, onde a IA de visão é usada para detect defeitos em uma linha de produção - como arranhões em peças de metal ou componentes ausentes. A recolha dos dados certos para essas tarefas pode ser muitas vezes lenta e desafiante, exigindo acesso a ambientes especializados.
Normalmente, envolve a instalação de câmeras ou sensores ao longo das linhas de produção para capturar imagens dos produtos. Essas imagens precisam ser capturadas em grandes volumes, geralmente sob iluminação e ângulos consistentes, para garantir clareza e uniformidade.
Uma vez capturadas, as imagens devem ser meticulosamente anotadas com rótulos precisos para cada tipo de defeito, como arranhões, amassados ou componentes ausentes. Este processo requer tempo e recursos substanciais, bem como experiência, para garantir que o conjunto de dados reflita com precisão a variabilidade do mundo real. Fatores como diferentes tamanhos, formas e materiais de defeitos devem ser considerados para criar um conjunto de dados robusto e confiável.
As integrações que fornecem conjuntos de dados prontos a utilizar facilitam tarefas como o controlo da qualidade industrial e, com as capacidades de deteção em tempo real do YOLO11, os fabricantes podem monitorizar as linhas de produção, detetar defeitos instantaneamente e melhorar a eficiência.
Para além da indústria transformadora, as integrações relacionadas com os conjuntos de dados podem ser utilizadas em muitas outras indústrias. Ao combinar a velocidade e a precisão do YOLO11com conjuntos de dados facilmente acessíveis, as empresas podem desenvolver e implementar rapidamente soluções adaptadas às suas necessidades específicas. Tomemos, por exemplo, os cuidados de saúde - as integrações de conjuntos de dados podem ajudar a desenvolver soluções para analisar imagens médicas para detect anomalias como tumores. Do mesmo modo, na condução autónoma, essas integrações podem ajudar a identificar veículos, peões e sinais de trânsito para aumentar a segurança.
Encontrar o conjunto de dados certo é muitas vezes uma das partes mais demoradas da construção de um modelo de visão computacional. No entanto, a integração Roboflow facilita a procura do melhor conjunto de dados para o treino personalizado dos seus modelos Ultralytics YOLO , mesmo que seja um novato na visão computacional.
Com acesso a uma vasta coleção de conjuntos de dados para tarefas de visão computacional, como deteção de objetos, classificação de imagens ou segmentação de instâncias, o Roboflow Universe elimina o incômodo do processo de descoberta de dados. Ajuda-o a começar rapidamente e a concentrar-se na construção do seu modelo, em vez de perder tempo a recolher e organizar dados. Essa abordagem simplificada permite que os desenvolvedores criem protótipos, iterem e desenvolvam soluções de visão computacional com mais eficiência.
Para saber mais, visite nosso repositório GitHub e interaja com nossa comunidade. Explore inovações em áreas como IA em carros autônomos e visão computacional na agricultura em nossas páginas de soluções. 🚀
.webp)