Link to this sectionRoboflow#

Roboflow fornisce strumenti per l'etichettatura dei dati e l'esportazione di dataset in vari formati, incluso YOLO. Questa guida illustra come etichettare, esportare e distribuire dati per i modelli Ultralytics YOLO.

Questa guida dimostra come trovare, etichettare e organizzare i dati per l'addestramento di un modello Ultralytics YOLO26 personalizzato utilizzando Roboflow.

• Raccogli dati per l'addestramento
• Etichetta i dati
• Gestione del dataset
• Esporta dati
• Distribuisci modelli
• Valuta i modelli
• FAQ

Link to this sectionRaccogli dati per l'addestramento di un modello YOLO26 personalizzato#

Roboflow offre due servizi principali per assistere nella raccolta di dati per i modelli YOLO di Ultralytics: Universe e Collect. Per informazioni più generali sulle strategie di raccolta dati, consulta la nostra Guida alla raccolta e annotazione dei dati.

Link to this sectionRoboflow Universe#

Roboflow Universe è un repository online di dataset di visione artificiale. Puoi esportare i dataset nel formato YOLO per l'uso con i modelli Ultralytics.

Link to this sectionRoboflow Collect#

Se preferisci raccogliere le immagini autonomamente, Roboflow Collect è un progetto open source che abilita la raccolta automatica di immagini tramite webcam su dispositivi edge. Puoi usare prompt testuali o di immagini per specificare i dati da raccogliere, aiutandoti a catturare solo le immagini necessarie per il tuo modello di visione.

Link to this sectionCarica, converti ed etichetta i dati per il formato YOLO26#

Roboflow Annotate è uno strumento online per etichettare immagini per vari compiti di visione artificiale, inclusi rilevamento di oggetti, classificazione e segmentazione.

Per etichettare i dati per un modello YOLO Ultralytics, crea un progetto in Roboflow, carica le tue immagini e inizia ad annotare.

Link to this sectionStrumenti di annotazione#

• Annotazione tramite Bounding Box: Premi B o clicca sull'icona della casella. Clicca e trascina per creare la bounding box. Un pop-up ti chiederà di selezionare una classe per l'annotazione.
• Annotazione tramite poligono: Utilizzata per la segmentazione di istanze. Premi P o clicca sull'icona del poligono. Clicca sui punti attorno all'oggetto per disegnare il poligono.

Link to this sectionAssistente all'etichettatura (Integrazione SAM)#

Roboflow integra un assistente all'etichettatura basato su Segment Anything Model (SAM) per velocizzare potenzialmente l'annotazione.

Per usare l'assistente all'etichettatura, clicca sull'icona del cursore nella barra laterale. SAM verrà abilitato per il tuo progetto.

Passa il mouse sopra un oggetto e SAM potrebbe suggerire un'annotazione. Clicca per accettare l'annotazione. Puoi rifinire la specificità dell'annotazione cliccando dentro o fuori l'area suggerita.

Link to this sectionTagging#

Puoi aggiungere tag alle immagini usando il pannello Tag nella barra laterale. I tag possono rappresentare attributi come posizione, sorgente della fotocamera, ecc. Questi tag ti permettono di cercare immagini specifiche e generare versioni di dataset contenenti immagini con tag particolari.

Link to this sectionLabel Assist (Basato su modelli)#

I modelli ospitati su Roboflow possono essere usati con Label Assist per suggerire annotazioni. Carica i pesi del tuo modello YOLO su Roboflow (vedi le istruzioni di seguito), quindi attiva Label Assist tramite l'icona della bacchetta magica nella barra laterale.

Link to this sectionGestione del dataset per YOLO26#

Roboflow fornisce diversi strumenti per comprendere e gestire i tuoi dataset di visione artificiale.

Link to this sectionRicerca nel dataset#

Usa la ricerca nel dataset per trovare immagini basate su descrizioni testuali o etichette/tag specifici. Accedi a questa funzione cliccando su "Dataset" nella barra laterale.

Link to this sectionControllo Integrità#

Prima dell'addestramento, usa Roboflow Health Check per ottenere approfondimenti sul tuo dataset e identificare potenziali miglioramenti. Accedici tramite il link "Health Check" nella barra laterale. Fornisce statistiche su dimensioni delle immagini, bilanciamento delle classi, mappe di calore delle annotazioni e altro.

Health Check potrebbe suggerire modifiche per migliorare le prestazioni, come risolvere gli squilibri di classe identificati nella funzione di bilanciamento delle classi. Comprendere lo stato di salute del dataset è cruciale per un efficace addestramento del modello.

Link to this sectionPre-elabora e aumenta i dati per la robustezza del modello#

Per esportare i tuoi dati, devi creare una versione del dataset, che è un'istantanea del tuo dataset in uno specifico momento. Clicca "Versions" nella barra laterale, quindi "Create New Version". Qui puoi applicare passaggi di pre-elaborazione e data augmentation per migliorare potenzialmente la robustezza del modello.

Per ogni aumento selezionato, un pop-up ti permette di regolare finemente i suoi parametri come la luminosità. Un'adeguata augmentation può migliorare significativamente la generalizzazione del modello, un concetto chiave discusso nella nostra guida ai suggerimenti per l'addestramento del modello.

Link to this sectionEsporta dati in oltre 40 formati per l'addestramento del modello#

Una volta generata la versione del dataset, puoi esportarla in vari formati adatti all'addestramento del modello. Clicca il pulsante "Export Dataset" nella pagina della versione.

Seleziona il formato "YOLO26" per la compatibilità con le pipeline di addestramento Ultralytics. Ora sei pronto ad addestrare il tuo modello YOLO26 personalizzato. Consulta la documentazione della modalità Train di Ultralytics per istruzioni dettagliate sull'avvio dell'addestramento con il tuo dataset esportato.

Link to this sectionCarica pesi del modello YOLO26 personalizzato per test e distribuzione#

Roboflow offre un'API scalabile per modelli distribuiti e SDK compatibili con dispositivi come NVIDIA Jetson, Luxonis OAK, Raspberry Pi e sistemi basati su GPU. Esplora le varie opzioni di distribuzione del modello nelle nostre guide.

Puoi distribuire i modelli YOLO26 caricando i loro pesi su Roboflow usando un semplice script Python.

Crea un nuovo file Python e aggiungi il seguente codice:

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.")

In questo codice, sostituisci your-workspace-id, your-project-id, il numero di VERSION e il MODEL_PATH con i valori specifici del tuo account Roboflow, progetto e directory dei risultati dell'addestramento locale. Assicurati che MODEL_PATH punti correttamente alla directory contenente il file dei pesi best.pt addestrato.

Quando esegui il codice sopra, ti verrà chiesto di autenticarti (solitamente tramite una chiave API). Successivamente, il tuo modello verrà caricato e verrà creato un endpoint API per il tuo progetto. Questo processo può richiedere fino a 30 minuti per essere completato.

Per testare il tuo modello e trovare istruzioni di distribuzione per gli SDK supportati, vai alla scheda "Deploy" nella barra laterale di Roboflow. Nella parte superiore di questa pagina apparirà un widget che ti permetterà di testare il tuo modello usando la tua webcam o caricando immagini o video.

Il tuo modello caricato può anche essere usato come assistente all'etichettatura, suggerendo annotazioni su nuove immagini basate sul suo addestramento.

Link to this sectionCome valutare i modelli YOLO26#

Roboflow fornisce funzionalità per valutare le prestazioni del modello. Comprendere le metriche di prestazione è cruciale per l'iterazione del modello.

Dopo aver caricato un modello, accedi allo strumento di valutazione del modello tramite la tua pagina del modello sulla dashboard di Roboflow. Clicca "View Detailed Evaluation."

Questo strumento mostra una matrice di confusione che illustra le prestazioni del modello e un grafico interattivo di analisi vettoriale usando embedding CLIP. Queste funzionalità aiutano a identificare aree per il miglioramento del modello.

Il pop-up della matrice di confusione:

Passa il mouse sopra le celle per vedere i valori e clicca sulle celle per visualizzare le immagini corrispondenti con le previsioni del modello e i dati di ground truth.

Clicca "Vector Analysis" per un grafico a dispersione che visualizza la similarità delle immagini basata sugli embedding CLIP. Le immagini più vicine tra loro sono semanticamente simili. I punti rappresentano le immagini, colorate dal bianco (buone prestazioni) al rosso (scarse prestazioni).

L'analisi vettoriale aiuta a:

• Identificare cluster di immagini.
• Individuare cluster in cui il modello ha scarse prestazioni.
• Comprendere i punti in comune tra le immagini che causano scarse prestazioni.

Link to this sectionRisorse di apprendimento#

• Addestra YOLO su un dataset personalizzato (Colab): Notebook Google Colab interattivo per l'addestramento sui tuoi dati.
• Documentazione Ultralytics YOLO: Addestramento, esportazione e distribuzione dei modelli YOLO.
• Blog di Ultralytics: Articoli sulla visione artificiale e l'addestramento dei modelli.
• YouTube di Ultralytics: Guide video sull'addestramento e la distribuzione dei modelli.

Link to this sectionFAQ#

Link to this sectionCome posso etichettare i dati per i modelli YOLO26 usando Roboflow?#

Usa Roboflow Annotate. Crea un progetto, carica le immagini e usa gli strumenti di annotazione (B per bounding box, P per poligoni) o l'assistente all'etichettatura basato su SAM per un'etichettatura più rapida. I passaggi dettagliati sono disponibili nella sezione Carica, converti ed etichetta i dati.

Link to this sectionQuali servizi offre Roboflow per la raccolta di dati di addestramento YOLO26?#

Roboflow fornisce Universe (accesso a numerosi dataset) e Collect (raccolta automatizzata di immagini tramite webcam). Questi possono aiutare ad acquisire i dati di addestramento necessari per il tuo modello YOLO26, integrando le strategie delineate nella nostra Guida alla raccolta dei dati.

Link to this sectionCome posso gestire e analizzare il mio dataset YOLO26 usando Roboflow?#

Utilizza le funzionalità di ricerca dataset, tagging e Health Check di Roboflow. La ricerca trova immagini tramite testo o tag, mentre Health Check analizza la qualità del dataset (bilanciamento delle classi, dimensioni delle immagini, ecc.) per guidare i miglioramenti prima dell'addestramento. Vedi la sezione Gestione del dataset per i dettagli.

Link to this sectionCome posso esportare il mio dataset YOLO26 da Roboflow?#

Crea una versione del dataset in Roboflow, applica la pre-elaborazione e le augmentations desiderate, quindi clicca "Export Dataset" e seleziona il formato YOLO26. Il processo è delineato nella sezione Esporta dati. Questo prepara i tuoi dati per l'uso con le pipeline di addestramento Ultralytics.

Link to this sectionCome posso integrare e distribuire modelli YOLO26 con Roboflow?#

Carica i tuoi pesi YOLO26 addestrati su Roboflow usando lo script Python fornito. Questo crea un endpoint API distribuibile. Fai riferimento alla sezione Carica pesi personalizzati per lo script e le istruzioni. Esplora ulteriori opzioni di distribuzione nella nostra documentazione.