старт: 5-10 кадров руками -> первая модель
|
v
десятки/сотни кадров -> авторазметка -> проверка и исправления
^ |
| v
+---------- новая модель <- Trainer <--+
|
v
.pt/.onnx -> EyeAuras или другая программа
Задача YoloEase — помочь обучить YOLO-модель, которая ищет нужные объекты на ваших кадрах. На выходе получаются обычные веса .pt для дальнейшего обучения и файл .onnx для запуска модели без Python.
EyeAuras в этом руководстве — пример программы, где используется готовая модель. В примере с AimTrainer.io модель ищет цели tgt и кнопку btn, а EyeAuras потом загружает ONNX в ML Search и кликает по найденным целям через Behavior Tree.

Не начинайте с большого идеального набора данных. Самый быстрый путь — маленькая ручная затравка, первая модель, затем более крупные задачи с авторазметкой.
5-10 кадров.Так после каждого цикла появляется новая версия модели. Сначала она слабая, затем помогает всё больше, а через несколько поколений вы уже не рисуете каждую рамку с нуля, а проверяете и исправляете авторазметку.
Подробнее про этот цикл: разметка и обучение, Trainer, редактор разметки.
| Шаг | Что появляется |
|---|---|
| Видео или папка | Исходные кадры, из которых будет собран набор данных. |
Extract frames |
Копии кадров внутри проекта YoloEase. |
Create Task |
Задача разметки: сначала маленькая, позже на десятки или сотни кадров. |
| Редактор разметки | Рамки объектов и метки вроде tgt или btn. |
Finish Job |
Завершенная задача, которую можно брать в обучение. |
Trainer |
YOLO-набор данных, обучение, предсказания и файлы модели. |
Open у модели |
Папка с .pt, .onnx, графиками и результатами обучения. |
| EyeAuras или другая программа | Реальная автоматизация, которая использует готовый .onnx. |
| Термин | Смысл |
|---|---|
| Кадр | Одно изображение из видео или папки. |
| Метка или класс | Имя типа объекта: tgt, btn, enemy, loot. |
| Задача | Партия кадров, которую удобно обработать за один заход. |
.pt |
PyTorch-веса для обучения и дообучения через YOLO/Ultralytics. |
.onnx |
Файл для запуска модели в EyeAuras или другом совместимом движке. |
| Предсказание | Объекты, которые нашла модель: рамка, класс и уверенность. |
| Авторазметка | Использование уже обученной модели, чтобы быстрее разметить новые кадры. |
| Ложное срабатывание | Модель увидела объект там, где его нет. |
| Пропуск | Модель не нашла объект, который должна была найти. |
В конце у вас будет:
.pt веса для дальнейшего обучения в YOLO/Ultralytics;.onnx модель для запуска без Python-окружения;ML Search и Behavior Tree.
New.... YoloEase покажет обычный диалог сохранения .yeproj и создаст рядом папку проекта. Подробнее: подготовка данных.Prerequisites, нажмите Check all, затем Install missing. Подробнее: предварительные компоненты.btn и tgt. Подробнее: подключение данных.Extract frames. Подробнее: извлечение кадров из видео.Trainer создайте первую задачу. Подробнее: Trainer.Finish Job. Подробнее: редактор разметки.Start automatic training и посмотрите метрики. Подробнее: разметка и обучение..onnx в EyeAuras или другой совместимый движок распознавания. Подробнее: EyeAuras интеграция.Основное руководство:
Подробные страницы по возможностям:
Если хотите посмотреть готовый результат или повторить пример без подготовки с нуля:
Если вы запускаете YoloEase впервые, начните с предварительных компонентов. Если окружение уже готово, переходите к подготовке данных.