Développer avec Ultralytics Platform
Mène un vrai projet de détection sur Ultralytics Platform : établis son budget, importe et annote les données, vérifie l'intégrité des partitions, entraîne des modèles et compare les exécutions, déploie un point de terminaison dédié, surveille la précision et automatise la boucle de réentraînement.
Par Ultralytics Academy
Mène un projet de vision de bout en bout sur Ultralytics Platform et repars avec les scripts et le guide d'exploitation nécessaires pour assurer son bon fonctionnement : une vérification avant importation, un balayage des seuils d'annotation, un audit des fuites de données, une étape de validation avant promotion, un client de point de terminaison résilient, ainsi que des vérifications planifiées de l'état de santé et du jeu de contrôle.
Cartographie ton projet sur Platform et établis son budget avant de dépenser un crédit : entraînement, annotation et disponibilité du point de terminaison.
Importe les données pour que le jeu de données atteigne l'état Ready dès la première tentative, notamment grâce à un échantillonnage vidéo réfléchi.
Choisis un modèle d'annotation et un seuil de confiance en mesurant la charge de révision, puis vérifie Batch Annotation à l'aide du taux de modification.
Vérifie qu'une version du jeu de données ne contient aucun doublon entre les partitions, aucune fuite liée aux caméras et suffisamment d'exemples pour chaque classe.
Lance des exécutions cloud selon le budget, évalue-les à partir de leurs courbes et affine le modèle sans que l'optimiseur ignore silencieusement ton taux d'apprentissage.
Détermine si une nouvelle exécution surpasse la référence à l'aide de critères définis à l'avance, déploie-la et appelle-la avec un client qui résiste aux démarrages à froid.
Déclenche des alertes sur l'état de santé du point de terminaison et la précision du jeu de contrôle, gère les régions et les données personnelles, puis automatise le réentraînement et la mise en production.
Un plan de projet comprenant une cartographie du cycle de vie et un budget mensuel.
Un jeu de données Ready contenant des vidéos échantillonnées, des annotations révisées, des partitions auditées et une version numérotée.
Un modèle entraîné ayant franchi une étape de validation automatisée par script par rapport à sa référence.
Un point de terminaison dédié avec un client qui réessaie les appels, une vérification de santé planifiée et un historique de la précision sur le jeu de contrôle.
Un guide de réentraînement précisant le déclencheur, les étapes, le responsable et la procédure de retour arrière, ainsi qu'une étape automatisée de mise en production.
Un compte Ultralytics Platform. L'offre Free et son crédit d'inscription couvrent le cours ; le stockage cloud connecté nécessite Pro.
Python 3.11+ avec
ultralytics>=8.4.120etultralytics-platformpour exécuter les exemples détaillés ; le SDKultralytics-platformutilisé dans les leçons sur l'API nécessite Python 3.11 (Ultralytics fonctionne lui-même avec Python 3.10+).Une bonne connaissance d'Ultralytics YOLO est recommandée : Fondamentaux de la vision par ordinateur, Créer des jeux de données YOLO hautes performances et Entraîner ton premier modèle YOLO.
Un petit jeu de données d'images (50–500 images) et une courte vidéo de ton propre domaine, ou les jeux de données publics utilisés dans les exemples.
Contenu du cours
4 modules · 10 leçonsModule 1
Module 2
Ajouter et préparer les données
Vérifie un jeu de données local avant son téléversement, échantillonne les vidéos de manière réfléchie et fais en sorte qu’un jeu de données Platform atteigne l’état Ready du premier coup.
Annotation intelligente et annotation par lots
Choisis un modèle d’annotation et un seuil de confiance en mesurant le travail de vérification, puis lance l’annotation par lots et évalue-la à l’aide du taux de modification.
Organiser, dédoublonner et partitionner
Repère les doublons entre partitions et les lacunes de classes avec deux scripts courts, partitionne selon l’unité qui compte et fige une version auditée du jeu de données.
Module 3
Entraîner, interpréter et ajuster finement les exécutions
Lance une exécution cloud dans les limites de ton budget, évalue-la à partir de ses courbes par époque et effectue un ajustement fin sans que l’optimiseur par défaut ignore ton taux d’apprentissage.
Comparer des exécutions et choisir la meilleure
Compare des exécutions dans un projet Platform, consigne la raison d’être de chacune et détermine si un candidat doit être déployé à l’aide d’un script de validation avant promotion.
Module 4
Déployer et appeler un point de terminaison
Crée un point de terminaison dédié dans l’une des 42 régions, dimensionne-le en fonction de ton trafic et appelle-le avec un client qui gère les démarrages à froid, les erreurs 429 et les clés invalides.
Surveiller l’état de santé et la précision
Consulte les métriques des points de terminaison et les statistiques de prédiction de Platform, configure une alerte à partir d’une vérification de santé planifiée et détecte la dérive de précision avec un traitement sur un jeu de validation.
Confidentialité, régions et conformité
Choisis les régions des données et du déploiement selon tes contrats, garde les données privées, anonymise les images avant leur envoi et remplis une liste de vérification de conformité avant le lancement.
Automatiser la boucle de réentraînement
Transforme un déploiement en une boucle reproductible : un guide opérationnel, une étape de validation avant promotion scriptée, une publication automatisée avec retour arrière et une revue hebdomadaire.