自己的資料和模型
支援的輸入格式
讓資料集任務、檔案格式和模型相互匹配。
資料集
| 任務 | 源格式 |
|---|---|
| 圖片分類 | 類別資料夾、manifest.csv、Roboflow _classes.csv |
| 物件偵測 | YOLO 標註、COCO instances JSON |
| 例項分割 | YOLO 多邊形、COCO 例項掩膜或輪廓 |
| 旋轉框 | YOLO 四角標註；提供時可使用輪廓轉換 |
| 表格分類或迴歸 | CSV、TSV、Parquet |
匯入頁面會顯示所選原始檔的可用選項，並說明轉換、幾何調整和跳過的標註。請在接受前檢查。
轉換會影響測量的含義。例如從偵測框生成的矩形掩膜，無法提供精細物體輪廓所包含的參考資訊。
本地模型
Knotest 讀取支援的 ONNX 檔案，以及支援的 YOLO 或 PyTorch 檢查點。.pt 和 .pth 可能包含不同結構，請根據讀取檔案後顯示的選項選擇。
支援的 torchvision 檢查點包括分類架構，以及 Faster R-CNN、Mask R-CNN、RetinaNet、FCOS 等偵測器。是否相容還取決於檢查點結構、架構、任務和設定。目前匯入流程不接受 TorchScript 或任意 pickle 模型物件。
解釋方法和攻擊方法取決於模型架構及引擎。能執行預測的模型不一定支援所有方法，請參考配置頁面的相容性提示。
引擎與執行同意
開啟 Settings → Model inference，安裝模型需要的引擎。檢查裝置要求並閱讀執行條款。可以先安裝，但所需同意記錄完成前不能執行。
教學偵測器使用相容的 Torch / YOLO 引擎。