Link to this sectionRoboflow#

Roboflow fournit des outils pour l'étiquetage des données et l'exportation de jeux de données dans divers formats, dont YOLO. Ce guide couvre l'étiquetage, l'exportation et le déploiement de données pour les modèles Ultralytics YOLO.

Ce guide montre comment trouver, étiqueter et organiser des données pour entraîner un modèle personnalisé Ultralytics YOLO26 en utilisant Roboflow.

• Collecter des données pour l'entraînement
• Étiqueter les données
• Gestion des jeux de données
• Exporter les données
• Déployer les modèles
• Évaluer les modèles
• FAQ

Link to this sectionCollecter des données pour l'entraînement d'un modèle YOLO26 personnalisé#

Roboflow propose deux services principaux pour aider à la collecte de données pour les modèles YOLO d'Ultralytics : Universe et Collect. Pour des informations plus générales sur les stratégies de collecte de données, réfère-toi à notre Guide de collecte et d'annotation de données.

Link to this sectionRoboflow Universe#

Roboflow Universe est un référentiel en ligne de jeux de données de vision. Tu peux exporter des jeux de données au format YOLO pour les utiliser avec les modèles Ultralytics.

Link to this sectionRoboflow Collect#

Si tu préfères collecter toi-même les images, Roboflow Collect est un projet open-source permettant la collecte automatique d'images via une webcam sur des appareils Edge. Tu peux utiliser des invites textuelles ou des images pour spécifier les données à collecter, ce qui t'aide à ne capturer que les images nécessaires à ton modèle de vision.

Link to this sectionTélécharger, convertir et étiqueter les données pour le format YOLO26#

Roboflow Annotate est un outil en ligne permettant d'étiqueter des images pour diverses tâches de vision par ordinateur, notamment la détection d'objets, la classification et la segmentation.

Pour étiqueter des données pour un modèle YOLO Ultralytics, crée un projet dans Roboflow, télécharge tes images et commence à annoter.

Link to this sectionOutils d'annotation#

• Annotation par boîte englobante : Appuie sur B ou clique sur l'icône de la boîte. Clique et fais glisser pour créer la boîte englobante. Une fenêtre contextuelle t'invitera à sélectionner une classe pour l'annotation.
• Annotation polygonale : Utilisée pour la segmentation d'instances. Appuie sur P ou clique sur l'icône du polygone. Clique sur les points autour de l'objet pour dessiner le polygone.

Link to this sectionAssistant d'étiquetage (Intégration SAM)#

Roboflow intègre un assistant d'étiquetage basé sur le Segment Anything Model (SAM) pour potentiellement accélérer l'annotation.

Pour utiliser l'assistant d'étiquetage, clique sur l'icône de curseur dans la barre latérale. SAM sera activé pour ton projet.

Survole un objet, et SAM pourra te suggérer une annotation. Clique pour accepter l'annotation. Tu peux affiner la spécificité de l'annotation en cliquant à l'intérieur ou à l'extérieur de la zone suggérée.

Link to this sectionÉtiquetage (Tagging)#

Tu peux ajouter des tags aux images en utilisant le panneau Tags dans la barre latérale. Les tags peuvent représenter des attributs tels que l'emplacement, la source de la caméra, etc. Ces tags te permettent de rechercher des images spécifiques et de générer des versions de jeux de données contenant des images avec des tags particuliers.

Link to this sectionAide à l'étiquetage (basée sur un modèle)#

Les modèles hébergés sur Roboflow peuvent être utilisés avec l'Aide à l'étiquetage pour suggérer des annotations. Télécharge les poids de ton modèle YOLO sur Roboflow (vois les instructions ci-dessous), puis active l'Aide à l'étiquetage via l'icône de baguette magique dans la barre latérale.

Link to this sectionGestion des jeux de données pour YOLO26#

Roboflow fournit plusieurs outils pour comprendre et gérer tes jeux de données de vision par ordinateur.

Link to this sectionRecherche de jeux de données#

Utilise la recherche de jeux de données pour trouver des images basées sur des descriptions textuelles ou des étiquettes/tags spécifiques. Accède à cette fonctionnalité en cliquant sur "Dataset" dans la barre latérale.

Link to this sectionVérification de santé#

Avant l'entraînement, utilise le Health Check de Roboflow pour obtenir des informations sur ton jeu de données et identifier des améliorations potentielles. Accède-y via le lien "Health Check" de la barre latérale. Il fournit des statistiques sur la taille des images, l'équilibre des classes, les cartes de chaleur d'annotation, et plus encore.

Le Health Check pourrait suggérer des changements pour améliorer les performances, comme résoudre les déséquilibres de classes identifiés dans la fonctionnalité d'équilibre des classes. Comprendre la santé du jeu de données est crucial pour un entraînement de modèle efficace.

Link to this sectionPrétraiter et augmenter les données pour la robustesse du modèle#

Pour exporter tes données, tu dois créer une version du jeu de données, qui est un instantané de celui-ci à un moment précis. Clique sur "Versions" dans la barre latérale, puis sur "Create New Version". Ici, tu peux appliquer des étapes de prétraitement et des augmentations de données pour potentiellement améliorer la robustesse du modèle.

Pour chaque augmentation sélectionnée, une fenêtre contextuelle te permet d'ajuster finement ses paramètres tels que la luminosité. Une augmentation appropriée peut améliorer considérablement la généralisation du modèle, un concept clé discuté dans notre guide des conseils pour l'entraînement des modèles.

Link to this sectionExporter les données dans plus de 40 formats pour l'entraînement du modèle#

Une fois ta version de jeu de données générée, tu peux l'exporter dans divers formats adaptés à l'entraînement du modèle. Clique sur le bouton "Export Dataset" sur la page de version.

Sélectionne le format "YOLO26" pour la compatibilité avec les pipelines d'entraînement Ultralytics. Tu es maintenant prêt à entraîner ton modèle YOLO26 personnalisé. Réfère-toi à la documentation du mode Train d'Ultralytics pour des instructions détaillées sur le lancement de l'entraînement avec ton jeu de données exporté.

Link to this sectionTélécharger les poids personnalisés du modèle YOLO26 pour les tests et le déploiement#

Roboflow offre une API évolutive pour les modèles déployés et des SDK compatibles avec des appareils tels que NVIDIA Jetson, Luxonis OAK, Raspberry Pi, et les systèmes basés sur GPU. Explore diverses options de déploiement de modèles dans nos guides.

Tu peux déployer des modèles YOLO26 en téléchargeant leurs poids sur Roboflow en utilisant un simple script Python.

Crée un nouveau fichier Python et ajoute le code suivant :

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 YOLO26 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'
dataset.deploy(
    model_type="yolov8",
    model_path=MODEL_PATH,
)  # Note: Use "yolov8" as model_type for YOLO26 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.")

Dans ce code, remplace your-workspace-id, your-project-id, le numéro de VERSION, et le MODEL_PATH par les valeurs spécifiques à ton compte Roboflow, ton projet et ton répertoire de résultats d'entraînement local. Assure-toi que le MODEL_PATH pointe correctement vers le répertoire contenant ton fichier de poids entraîné best.pt.

Lorsque tu exécutes le code ci-dessus, tu seras invité à t'authentifier (généralement via une clé API). Ensuite, ton modèle sera téléchargé et un point de terminaison API sera créé pour ton projet. Ce processus peut prendre jusqu'à 30 minutes.

Pour tester ton modèle et trouver les instructions de déploiement pour les SDK pris en charge, va dans l'onglet "Deploy" dans la barre latérale de Roboflow. En haut de cette page, un widget apparaîtra te permettant de tester ton modèle à l'aide de ta webcam ou en téléchargeant des images ou des vidéos.

Ton modèle téléchargé peut également être utilisé comme assistant d'étiquetage, suggérant des annotations sur de nouvelles images basées sur son entraînement.

Link to this sectionComment évaluer les modèles YOLO26#

Roboflow fournit des fonctionnalités pour évaluer les performances du modèle. Comprendre les métriques de performance est crucial pour l'itération du modèle.

Après avoir téléchargé un modèle, accède à l'outil d'évaluation du modèle via ta page de modèle sur le tableau de bord Roboflow. Clique sur "View Detailed Evaluation."

Cet outil affiche une matrice de confusion illustrant les performances du modèle et un tracé d'analyse vectorielle interactif utilisant les embeddings CLIP. Ces fonctionnalités aident à identifier les domaines à améliorer pour le modèle.

La fenêtre contextuelle de la matrice de confusion :

Survole les cellules pour voir les valeurs, et clique sur les cellules pour voir les images correspondantes avec les prédictions du modèle et les données de vérité terrain.

Clique sur "Vector Analysis" pour un nuage de points visualisant la similarité des images basée sur les embeddings CLIP. Les images plus proches sont sémantiquement similaires. Les points représentent les images, colorées du blanc (bonnes performances) au rouge (mauvaises performances).

L'analyse vectorielle aide à :

• Identifier les clusters d'images.
• Localiser les clusters où le modèle est peu performant.
• Comprendre les points communs entre les images causant de mauvaises performances.

Link to this sectionRessources d'apprentissage#

• Entraîner YOLO sur un jeu de données personnalisé (Colab) : Notebook interactif Google Colab pour l'entraînement sur tes données.
• Documentation Ultralytics YOLO : Entraînement, exportation et déploiement des modèles YOLO.
• Blog Ultralytics : Articles sur la vision par ordinateur et l'entraînement des modèles.
• YouTube Ultralytics : Guides vidéo sur l'entraînement et le déploiement des modèles.

Link to this sectionFAQ#

Link to this sectionComment puis-je étiqueter des données pour les modèles YOLO26 en utilisant Roboflow ?#

Utilise Roboflow Annotate. Crée un projet, télécharge des images et utilise les outils d'annotation (B pour les boîtes englobantes, P pour les polygones) ou l'assistant d'étiquetage basé sur SAM pour un étiquetage plus rapide. Les étapes détaillées sont disponibles dans la section Télécharger, convertir et étiqueter les données.

Link to this sectionQuels services Roboflow propose-t-il pour collecter des données d'entraînement YOLO26 ?#

Roboflow propose Universe (accès à de nombreux jeux de données) et Collect (collecte automatisée d'images via webcam). Ceux-ci peuvent aider à acquérir les données d'entraînement nécessaires pour ton modèle YOLO26, en complément des stratégies décrites dans notre Guide de collecte de données.

Link to this sectionComment puis-je gérer et analyser mon jeu de données YOLO26 en utilisant Roboflow ?#

Utilise les fonctionnalités de recherche de jeux de données, de tagging et de Health Check de Roboflow. La recherche trouve des images par texte ou par tags, tandis que le Health Check analyse la qualité du jeu de données (équilibre des classes, tailles des images, etc.) pour guider les améliorations avant l'entraînement. Voir la section Gestion des jeux de données pour plus de détails.

Link to this sectionComment puis-je exporter mon jeu de données YOLO26 depuis Roboflow ?#

Crée une version de jeu de données dans Roboflow, applique le prétraitement et les augmentations souhaités, puis clique sur "Export Dataset" et sélectionne le format YOLO26. Le processus est décrit dans la section Exporter les données. Cela prépare tes données pour une utilisation avec les pipelines d'entraînement Ultralytics.

Link to this sectionComment puis-je intégrer et déployer des modèles YOLO26 avec Roboflow ?#

Télécharge tes poids YOLO26 entraînés sur Roboflow en utilisant le script Python fourni. Cela crée un point de terminaison API déployable. Réfère-toi à la section Télécharger des poids personnalisés pour le script et les instructions. Explore d'autres options de déploiement dans notre documentation.