Belajar YOLO - Dataset Format YOLO & Annotation

#Pendahuluan

Enam episode terakhir kita hidup dari model pretrained. Mulai episode ini kita beralih ke fase yang menentukan 80% keberhasilan project vision nyata: menyiapkan dataset sendiri.

Percayalah pada pola yang berulang di industri: model yang "gagal" hampir selalu bukan karena YOLO-nya buruk, melainkan karena datanya kacau — label tidak konsisten, format salah, atau split train/val bocor. Episode ini mengajarkan fondasinya: bagaimana tepatnya YOLO membaca dataset, tool apa untuk menganotasi, dan cara membangun dataset custom pertama kalian dengan benar sejak hari pertama.

#Struktur Folder Standar YOLO

Ultralytics mengharapkan layout yang konsisten:

datasets/
└── proyek-helm/
    ├── images/
    │   ├── train/          # gambar training
    │   │   ├── img_001.jpg
    │   │   └── img_002.jpg
    │   └── val/            # gambar validasi (JANGAN dari train!)
    │       └── img_101.jpg
    └── labels/
        ├── train/
        │   ├── img_001.txt # satu txt per gambar
        │   └── img_002.txt
        └── val/
            └── img_101.txt

Aturan pentingnya:

1. Satu gambar = satu file .txt dengan nama yang sama persis (img_001.jpg ↔ img_001.txt).
2. Split train vs val harus disjoint — gambar yang sama tidak boleh ada di keduanya. Pelanggaran paling umum yang membuat metrik val bohong.
3. Gambar tanpa objek boleh punya .txt kosong — justru berguna sebagai background images untuk menekan false positive.

#Anatomi File Label

Isi setiap .txt adalah daftar baris, satu baris per objek:

1 0.481250 0.613194 0.234375 0.411111
0 0.152083 0.440972 0.104167 0.180556
1 0.790000 0.588194 0.150000 0.336111

Format tiap baris — ingat kembali episode 1:

<class_id> <x_center> <y_center> <width> <height>

Semua koordinat dan ukuran dinormalisasi 0–1 relatif ke lebar/tinggi gambar. Jadi box lebar 300 piksel di gambar 1280 piksel ditulis 0.234375.

Konversi manual sering dibutuhkan saat migrasi dari anotasi lama:

def voc_to_yolo(xmin, ymin, xmax, ymax, w_img, h_img):
    xc = ((xmin + xmax) / 2) / w_img
    yc = ((ymin + ymax) / 2) / h_img
    bw = (xmax - xmin) / w_img
    bh = (ymax - ymin) / h_img
    return xc, yc, bw, bh
 
# contoh: box [120, 340, 420, 870] di gambar 1280x960
print(voc_to_yolo(120, 340, 420, 870, 1280, 960))
# (0.2109375, 0.6302083333333334, 0.234375, 0.5520833333333334)

#File data.yaml: Kontrak Dataset

File kecil ini yang memberitahu Ultralytics tentang dataset kalian:

path: /home/user/datasets/proyek-helm # root dataset
train: images/train # relatif terhadap path
val: images/val
 
nc: 3 # jumlah class
names:
  0: person
  1: helm
  2: no-helm

Kaidah pentingnya:

• path absolut atau relatif terhadap folder datasets/ default Ultralytics.
• names bisa juga list ([person, helm]) — tapi dict eksplisit lebih aman dari salah urutan.
• nc harus sama dengan jumlah entri names. Mismatch = error langsung saat build model.
• Untuk segmentation, tambahkan folder labels/train berisi polygon; untuk pose ada format keypoint tersendiri — prinsip foldernya sama.

#Tools Annotation: Memilih Senjata

Menganotasi adalah pekerjaan paling membosankan sekaligus paling menentukan. Pilihan utamanya:

Prinsip memilih: untuk belajar dan dataset < 500 gambar, Roboflow free tier sudah lebih dari cukup dan menyimpan kalian dari setup server. CVAT layak saat butuh anotasi video frame-by-frame dengan tracking assist. Label Studio unggul kalau satu tim mengelola banyak jenis data.

#Pedoman Kualitas Annotation

• Konsistensi > perfeksionisme: putuskan aturan ("box tepi objek, termasuk bayangan?") SEBELUM mulai, tuliskan, patuhi.
• Box pas: terlalu longgar memicu IoU rendah saat evaluasi; terlalu ketat memotong konteks yang berguna. Ambil tengah yang masuk akal.
• Objek terpotong tepi gambar tetap dianotasi — model harus belajar bahwa objek bisa parsial.
• Occlusion berat: anotasi bagian yang terlihat saja, atau skip — konsisten satu pilihan untuk semua data.

#Auto-Labeling: Trik Hemat Waktu

Model pretrained bisa menjadi anotator awal:

yolo predict model=yolo26n.pt source=raw_images/ save_txt=True save_conf=False

Hasil save_txt=True sudah dalam format YOLO! Alurnya:

1. Jalankan pretrained model di atas raw image.
2. Ambil label hasil prediksi sebagai draft, bukan final.
3. Manusia hanya mengoreksi di CVAT/Roboflow — jauh lebih cepat daripada menggambar dari nol.
4. Kelas yang tidak ada di COCO (misal "helm") tetap manual — atau gunakan zero-shot detector seperti YOLO-World sebagai anotator draft (preview di episode 22).

Untuk domain khusus, kombinasi populer: Grounding DINO/YOLO-World untuk proposal box → manusia verifikasi → fine-tune YOLO. Pipeline auto-labeling semacam ini dipakai tim produksi untuk memangkas biaya anotasi hingga puluhan persen.

#Praktik: Siapkan Dataset Custom Kecil

Mari bangun dataset mini (10–50 gambar/kelas cukup untuk latihan):

[x] Kumpulkan 20-50 gambar per kelas (kamera HP, Google Images, footage sendiri)
[x] Beri nama file konsisten: img_001.jpg, dst
[x] Anotasi via Roboflow/CVAT → export "YOLOv11/12 format"
[x] Split otomatis 80% train / 20% val (fitur Roboflow)
[x] Download & ekstrak ke datasets/proyek-helm/
[x] Cek data.yaml sesuai path lokal

Lalu verifikasi dataset kalian bisa dibaca Ultralytics sebelum training:

from ultralytics.data.utils import check_det_dataset
 
data = check_det_dataset("proyek-helm/data.yaml")
print("Train:", len(data["train"]), "| Val:", len(data["val"]))
print("Classes:", data["names"])

#Penutup

Rangkuman episode ini:

• Layout YOLO: images/{train,val} paralel dengan labels/{train,val}, satu .txt per gambar.
• Format label: class_id x_center y_center width height, semuanya normalized 0–1.
• data.yaml adalah kontrak dataset: path, nc, names — mismatch = gagal cepat (itu bagus!).
• Tooling: Roboflow untuk cepat, CVAT untuk skala/video, Label Studio untuk multi-modal.
• Auto-labeling dengan pretrained/zero-shot sebagai draft + koreksi manusia = hemat waktu besar.
• Konsistensi aturan anotasi lebih penting daripada kesempurnaan individual.

Di episode 9 akhirnya kita menyalakan training loop: model.train() dari scratch — hyperparameters inti (epochs, imgsz, batch), optimizer auto, apa yang terjadi di balik layar selama training, plus kapan strategi from scratch benar-benar masuk akal. Sampai jumpa!