Dieses GitHub-Projekt dient als Leitfaden und Ressource für einen Workshop zur Annotierung und Schulung eines YOLO-Modells unter Verwendung von LabelStudio und FastAPI. In diesem Workshop werden wir die Schritte zur Annotierung von Bildern, dem Training eines YOLO-Modells und der Bereitstellung einer FastAPI-Anwendung zur Objekterkennung durchgehen.
Das Hauptziel dieses Workshops ist es, Ihnen beizubringen, wie Sie ein YOLO-Modell trainieren und eine FastAPI-Anwendung zur Objekterkennung entwickeln können. Wir werden die folgenden Schritte abdecken:
- Annotieren Sie Ihre Datensätze mit LabelStudio.
- Vorbereiten und organisieren Sie Ihre annotierten Daten.
- Konfigurieren Sie das YOLO-Modell und führen Sie das Training durch.
- Erstellen Sie eine FastAPI-Anwendung zur Verwendung Ihres trainierten Modells.
- Kleiner Interface mit vue.js
Um an diesem Workshop teilzunehmen, sollten Sie über grundlegende Kenntnisse in den folgenden Bereichen verfügen:
- Verwendung von Git und GitHub.
- Grundlegende Docker-Kenntnisse.
- Verständnis für maschinelles Lernen und neuronale Netzwerke (von Vorteil).
Bitte folgen Sie diesen Schritten, um am Workshop teilzunehmen:
-
Klone dieses GitHub-Projekt in dein lokales Verzeichnis:
git clone <GitHub-Projekt-URL> cd <Projektverzeichnis> docker-compose up
-
Starten Sie die Workshop-Umgebung mit Docker Compose:
docker-compose up
Dies startet die erforderlichen Container und Dienste für den Workshop.
Lizenz
Dieses Projekt ist unter der MIT-Lizenz lizenziert.
Ich hoffe, dass Ihnen dieser Workshop hilfreich ist und Ihnen ermöglicht, Ihre Kenntnisse in der Annotierung von Daten und der Entwicklung von YOLO-Modellen zu vertiefen. Wenn Sie Fragen oder Feedback haben, zögern Sie nicht, sie im Issue-Tracker zu melden.
Viel Spaß beim Lernen und Entwickeln!
Babic Andy