Подход к маркировке с помощью модели
YOLOv5 — популярный преемник YOLO, разработанный командой Ultralytics. Благодаря своей чистой кодовой базе и множеству предварительно обученных контрольных точек он широко используется для решения многих задач, начиная от обнаружения автомобилей в автономном вождении и заканчивая обнаружением дефектов в промышленных приложениях.
В этом руководстве мы проведем вас через шаги по обучению вашего собственного алгоритма обнаружения объектов YOLOv5 на ваших собственных данных. В качестве примера мы разработаем автомобильный детектор для приложения аналитики парковок. Прежде чем начать, убедитесь, что у вас есть учетная запись trainYOLO. Если нет, вы можете создать бесплатную учетную запись здесь.
Создать новый проект
Мы начинаем с создания нового проекта, который будет содержать наши изображения и обученные модели, нажав на зеленый значок «плюс». Мы установим видимость проекта Общедоступный, имя обнаружение автомобиля на парковке, сохраним тип аннотации Ограничивающие рамки и зададим один категория автомобиль. Если у вас несколько категорий, вы можете добавить больше.
Загрузите свои изображения
Чтобы загрузить изображения в наш проект, мы переходим на вкладку данных и нажимаем зеленый значок «плюс». Мы выбираем изображения, которые хотим загрузить, и нажимаем «Загрузить». В этом примере мы загрузим 100 изображений парковки в разное время и с разной степенью занятости.
Назовите свои изображения
После того, как мы загрузили изображения, мы начинаем маркировать. Нажав на изображение, вы попадаете в редактор маркировки. Выбрав инструмент ограничивающей рамки в левом меню, вы можете нарисовать рамку вокруг каждого объекта, в нашем случае – каждой машины. Обратите внимание, что если у вас есть несколько категорий объектов, вам необходимо установить правильную категорию, используя раскрывающийся список вверху. После завершения вы можете использовать клавиши со стрелками вверху, чтобы перейти к следующему изображению, или выбрать конкретное изображение в карусели внизу.
После того, как мы разметили около 50 изображений, мы начинаем обучать первую модель YOLOv5. Таким образом, мы можем ускорить маркировку других изображений с помощью маркировки с помощью модели.
Модель поезда YOLOv5
После того, как вы пометили достаточно изображений, вы можете начать обучение своей модели YOLOv5. Хотя вы можете обучаться как локально, так и с помощью облачных провайдеров, таких как AWS или GCP, мы будем использовать наши предварительно настроенные блокноты Google Colab. Поэтому переходим на вкладку модели и выбираем блокнот YOLOv5, нажав на зеленый значок «плюс».
Это откроет нашу предварительно настроенную записную книжку для обнаружения объектов YOLOv5. Мы вводим наш ключ API (который вы получите, нажав на свой аватар рядом с вашим именем пользователя) и название нашего проекта. Для остальных параметров оставляем значения по умолчанию и запускаем тренировку, нажав «Время выполнения» => «Выполнить все». Это загрузит ваш набор данных, начнет обучение модели и загрузит обученную модель на нашу платформу.
После обучения вы можете увидеть первую версию, добавленную на вкладку модели.
Маркировка с помощью модели
Теперь мы можем использовать нашу первую обученную модель в качестве помощника по маркировке, используя так называемую маркировку с помощью модели. Каждый раз, когда вы добавляете новую модель (версию) в свой проект, эта последняя версия будет использоваться в качестве помощника по маркировке. Вместо того, чтобы маркировать изображение с нуля, теперь вам нужно только проверить или исправить прогнозы модели. Это значительно ускоряет процесс маркировки.
Чтобы использовать помощника по маркировке, щелкните значок волшебной кисти в левом меню. Это загрузит предсказания модели. Затем измените или удалите ненужные ограничивающие рамки и пометьте те, которые не помечены.
После маркировки еще 50 изображений с использованием подхода маркировки с помощью модели мы обучили другую версию, на этот раз на 100 изображениях. Как видно ниже, mAP@50 увеличился с 0,854 до 0,986, что уже неплохо.
Следующие шаги
После того, как вы пометили больше изображений, вы можете обучить больше версий и изменить гиперпараметры, такие как размер изображения, тип модели и т. д., чтобы оптимизировать свою модель. Получайте удовольствие от обучения моделей!
Первоначально опубликовано на https://www.trainyolo.com/blog 24 февраля 2023 г.
