Inicie sua primeira detecção de objetos projeto no Roboflow .
Upload de conjunto de dados --> Geração de conjunto de dados e treinamento de modelo com o Roboflow Train. Além disso: insights rápidos sobre o Dataset Health Check, selecionando etapas de pré-processamento e aumento, exportando em diferentes formatos de anotação e implantando seu modelo para executar inferência.
Assuntos abordados:
Criando seu projeto
O que são lotes de anotações ? Carregar imagens (trabalhar com lotes de anotações e nosso fluxo de trabalho de anotações)
Obtendo imagens do universo Roboflow para adicionar a um projeto
Carregar imagens para seu lote de anotações (imagens não anotadas novas, imagens já anotadas, arquivos de vídeo)
Usando a ferramenta de anotação
Concluindo um lote de anotações e gerando versões de seu conjunto de dados para treinamento de modelo
Carregando as imagens do Roboflow Universe para o projeto
Navegar em lotes de anotações e fazer upload de novas imagens
Gerando versões: uma cartilha rápida sobre pré-processamento e aumento
Primer na verificação de integridade do conjunto de dados
- Insights do conjunto de dados, como o número total de anotações, mapa de calor de anotações, tamanhos médios de imagem e o número de rótulos para cada classe (saldo de classe)
- Verificação de integridade do conjunto de dados: como melhorar seu conjunto de dados
- Verificação de integridade: filtrar por classe
Treinando seu modelo
Usando o Label Assist
Treinando um modelo personalizado com a Biblioteca de Modelos do Roboflow
Resultados do Roboflow Train: inferência de modelo /opções de implantação e testes em execução
Próximos passos:
Testando e implantando seu modelo
Implantação: usando a API de inferência do Roboflow
Pacote Python para implantação OAK
Implementando o Aprendizado Ativo