简化定制视觉AI运维

我们致力于让计算机视觉技术触手可及，因此很高兴地宣布与 Roboflow 建立合作伙伴关系，Roboflow 将成为 YOLOv5 的官方数据集管理和标注工具。

Roboflow 的目标是通过简化收集和标注数据、训练模型以及使用主动学习更快地改进模型的过程，使开发人员能够构建更好的计算机视觉模型。这样，开发人员可以将更多时间花在特定领域的问题上，而不是机器学习的细节和计算机视觉基础设施上。

Roboflow 一直以来都大力支持与我们拥有共同愿景的开源项目。请务必查看他们于 2020 年 6 月发布的关于如何在自定义数据集上训练 YOLOv5 的指南。

Ultralytics 的使命是通过为每位开发者创建易于使用的视觉 AI 工具，从而简化 AI 的应用。YOLOv5 使开发者能够在他们自己的项目中开始训练和部署最先进的视觉模型。

通过对简易 AI 的共同愿景，Roboflow 和 Ultralytics 正在利用其独特的优势为我们的用户带来更强大的功能。
现在，由于这种新的合作伙伴关系，比以往任何时候都更容易训练自定义模型，因此地平线上出现了新的帮助！

推出全新合作伙伴关系，让训练自定义模型变得更轻松

由于 YOLOv5 在实际应用中的简易性和准确性，它现已成为世界上最受欢迎的 AI 之一。我们新的 Roboflow 集成提供了更加无缝的 YOLOv5 训练和部署体验。  

现在，您可以直接将自定义数据集标记并自动导出到 YOLOv5，以便使用 Roboflow 的 pip 包进行训练，重点是实现主动学习。 这样，您就可以避免在计算机视觉细节上花费时间，从而简化 MLOps 流程。
通过机器学习消除所有不必要的工作，使计算机视觉像 YOLO 一样简单。

从哪里开始？

我们通过新的 YOLOv5 Colab notebook 简化了在自定义数据集上训练模型的过程。要开始使用，请按照以下步骤操作：

1. 打开YOLOv5 自定义训练 Colab 笔记本
2. pip install roboflow 开始使用您的 Roboflow 数据集
3. 以您所需的格式从 Roboflow 导出您的项目
4. 将为自定义训练生成代码片段
5. 将您帐户中的代码段复制/粘贴到笔记本中指定的 spot 位置

瞧！

​

您可以在以下Roboflow 视频教程中找到更多有用的信息。

身处计算机视觉领域，正值激动人心的时刻  

Roboflow 的最新功能与 YOLOv5 的优势相结合，构成了一个非常强大的 MLOps 解决方案。Ultralytics 和 Roboflow 通过我们对简易 AI 的共同愿景开启了各种可能性，我们对此感到非常兴奋，并且迫不及待地想看看我们的用户使用我们新的集成会创造出什么。

我们期待听到我们的开发者社区将取得的突破！

​