Создание Dataset на Roboflow

Roboflow — это платформа для подготовки данных компьютерного зрения, которая позволяет собирать, размечать, предобрабатывать и экспортировать датасеты для обучения нейронных сетей. Для платформы Eurus-Edu мы будем создавать датасет для обнаружения различных объектов

Регистрация и создание организации

После регистрации на Roboflow необходимо создать организацию (Workspace)

Организация в Roboflow позволяет:

• Совместно работать над датасетами с командой
• Централизованно управлять проектами и моделями
• Контролировать доступ и роли участников
• Использовать общие ресурсы и квоты
• Вести общую историю изменений и версий

Рекомендуемый способ создания организации - через веб-интерфейс ресурса:

1. Войдите в ваш аккаунт Roboflow
2. В левом верхнем углу нажмите на текущее название workspace (по умолчанию ваше имя)
3. Выберите "Create New Workspace"

4. Заполните форму:

   Workspace Name: Eurus-Edu

   Workspace URL: eurus-edu (будет: roboflow.com/eurus-edu)

   Plan: Выберите Free

5. Нажмите "Create Workspace"

Организация создана, теперь нужно добавить в неё участников:

1. В боковом меню выберите "Members"
2. Нажмите "Invite Members"
3. Введите email участников
4. Нажмите "Send Invites"

В Roboflow участникам можно задавать роли:

Cоздание проекта

После создания организации создаём новый проект во вкладке Projects. Заполняем параметры:

• Project Name: eurus-edu (или ваше название)
• Project Type: Выберите Object Detection (обнаружение объекта)
• Annotation Group: название объектов, которые будем размечать
• tool: traditional

Создание классов для разметки

В левой панели выбираем "Classes"

Класс в платформе Roboflow - это тип объектов, который система компьютерного зрения может распознавать и понимать.

В имени класса лучше задавать название определяемого объекта, цвет можно выбрать любой

Для проекта задаём три класса:

• target - для обозначения всех мишеней
• red_target - красная мишень
• blue_target - синяя мишень

Загрузка видео для разметки

Видео для извлечения кадров с объектом записываем при помощи кода на Python. Определяемый объект рекомендуется снимать с разных ракурсов и при разном освещении

Код для записи видео:

Загружаем видео в блок Unassigned во вкладке Annotation

Рекомендуемая частота кадров - по 1 кадру каждые 0.2 секунды

Сбор кадров

На этом этапе удаляем неудачные кадры (сильно размытые или те, на которых объект не попал в кадр) и только после этого начинаем разметку dataset вручную (Label Myself)

Разметка dataset

На каждом кадре выделяем объект рамкой заранее подготовленного класса

target - обязательный класс для обозначения всех мишеней

red_target - только красные мишени

blue_target - только синие мишени

После разметки кадра обозначены 2 объекта target и по одному объекту blue_target и red_target

На этом кадре не видно какого цвета вторая мишень, поэтому обозначаем её одним классом target

После разметки всех кадров нажимаем на галочку и добавляем кадры в общий датасет. Метод сохранения выбираем Split images Between Train/Valid/Test

После разметки всех кадров необходимо создать версию датасета для дальнейшего обучения нейросети. Для этого переходим во вкладку "Dataset" - "+ New Dataset Version"

В отрывшемся окне задаём имя версии, на этапе "Processing" нажимаем continue.

На этапе "Augmentation" генерируем дополнительные версии каждого изображения из нашего набора. Для этого нажимаем "+ Add Augmentation Step" и в открывшемся окне выбираем подходящие дополнения. Рекомендуемые дополнения - "Rotation" c вращением 15 градусов и "Brightness" с изменением освещения камеры на 15%

После нажатия "Create" на 5 этапе будет создана версия датасета, которую нужно скачать, нажав на "Downland dataset"