YoloEase

YoloEase

es una herramienta que automatiza el proceso de formación de Yolo 8+. Puede aprovechar las capacidades de anotación de CVAT (cualquier servidor funcionará; de forma predeterminada utiliza una instancia no oficial, pero puedes cambiarla en cualquier momento). Wiki se encuentra aquí: https://wiki.eyeauras.net/en/YoloEase/getting-started

La herramienta se encuentra actualmente en una etapa alfa temprana. Cualquier comentario es muy apreciado {.is-warning}

Empecemos

1. Instale los requisitos previos necesarios.
2. Descargue la última versión aquí
3. Configurar proyectos CVAT y YoloEase. Estos se utilizarán juntos para diferentes partes del proceso.
4. Sumérgete en el entrenamiento con el entrenador automático.
5. ¡Implemente y utilice su modelo entrenado!

Primero configura la configuración CVAT/Conjunto de datos/modelo

Luego puedes comenzar a crear tareas de anotación. Cuando se crea una nueva tarea, puede elegir una opción para realizar anotaciones previas en el lote y/o seleccionar solo aquellas imágenes que beneficiarán más al modelo.

Tan pronto como el programa detecte que algo ha cambiado (configuraciones, anotaciones, imágenes), volverá a entrenar el modelo de inmediato. Tan pronto como el modelo esté listo, podrá usarlo para realizar anotaciones previas en el siguiente lote.

Cómo agiliza el proceso

• Conjuntos de datos : seleccione sus imágenes sin anotaciones para la capacitación. YoloEase los trata como de sólo lectura. Se admiten imágenes/vídeos.
• Gestión de imágenes : YoloEase clasifica automáticamente sus imágenes (por ejemplo, anotadas, sin anotaciones, "rotas", "valores atípicos"), garantizando un uso eficiente de los recursos y sin trabajo redundante. Todo lo que tienes que hacer es agregar más imágenes cuando sea necesario.
• Configuración : Defina su modelo base, configuraciones de entrenamiento y otras preferencias. Esta configuración se utiliza una vez que sus datos están preparados y listos.
• Ciclo de anotación : Anote un conjunto de imágenes usando CVAT y YoloEase automáticamente volverá a entrenar el modelo tan pronto como detecte que hay nuevas anotaciones disponibles.