在当今快速发展的技术领域，计算机视觉模型的快速部署变得尤为重要。为了帮助开发者们提高效率，推出了一项新功能，允许使用来自Roboflow Universe的超过10,000个预训练模型，无需任何数据即可启动模型的第一个版本；并且可以从检查点开始训练，从而减少训练时间并提高模型的准确性。在这篇文章中，将讨论如何利用Roboflow Universe减少标注时间，并在Roboflow平台上以前所未有的速度将模型投入生产。
要使用Roboflow Universe模型与Label Assist和模型训练功能，需要在Universe中“收藏”模型。这让能够跟踪想要用于Label Assist和作为预训练检查点的模型（同时也向分享模型的社区成员表示感谢）。
注意：如果在Roboflow中与多个团队合作，请确保在想要使用模型的同一个工作空间中操作。可以通过点击Universe头部右上角的个人资料名称，然后点击“切换工作场所”来实现。然后选择将使用模型的工作空间。
切换到正确的工作空间后再收藏项目。现在可以开始收藏项目了！
要开始，前往Roboflow Universe并搜索想要用于Label Assist的模型（提示：如果在搜索查询中添加“模型”关键词，只会返回有微调模型的项目）。然后，点击项目名称旁边的“星号”图标。以下是在搜索页面的项目卡片上星号的显示方式：
希望减少标注图像所需的时间。去年，宣布了Label Assist，这是一个工具，允许使用训练的模型和来自COCO的检查点来自动化标注工作。当选择的模型识别出对象时，该工具会自动标注图像。
现在可以使用Roboflow Universe上的任何超过10,000个预训练模型与Label Assist。例如，如果正在标注建筑工地上的安全设备，可以使用Roboflow Universe上的公共Construction Site Safety模型作为自动标注助手。
一旦使用前面描述的步骤收藏了一个模型，就可以在Label Assist中使用该模型。要做到这一点，首先前往正在工作的项目的图像标注工具。然后，点击魔法棒图标以启用Label Assist。点击“公共模型”。在“项目”下拉菜单中，将看到收藏的项目：
选择用于Label Assist的Universe模型很可能包含与现有类别不完全匹配的类别（例如，如果正在标注车辆，而公共模型识别出汽车、公共汽车和卡车，或者如果说英语但模型是用西班牙语标签训练的）。
一旦选择了一个Universe模型用于Label Assist，需要将Universe类别名称与想要在项目中使用的类别名称进行映射。考虑一个场景，其中建筑数据集使用类别“hard hat”，想要将所有这些对象用标签“helmet”进行标注。
为确保Label Assist使用正确的值，需要将“hard hat”从Universe模型映射到“helmet”。在点击“继续”选择模型后，将有机会重新映射标签。使用的Universe数据集中的所有标签将显示在列表中。可以通过点击它并更改文本来重新映射任何标签。
还可以使用上述步骤中收藏的所有模型作为下一个模型训练的检查点。这意味着可以在已经解决类似问题的现有模型的基础上开始训练模型。
通过这种方法，模型将能够从现有模型的知识中受益，同时使用标注的数据对用例进行微调。这种方法被称为迁移学习。有关这一概念的技术深入探讨，请查看迁移学习指南。
而不是从MS COCO数据集开始训练，默认检查点是针对常见对象训练的，或者从头开始，可以在Universe上的许多模型之一的基础上构建模型。
要使用Universe模型进行训练，首先生成数据集的版本。然后，在Roboflow仪表板中点击“开始训练”按钮：
这个按钮将打开一个模态窗口，让选择模型应该如何训练。根据需求选择“快速”或“准确”。通常建议“快速”用于测试。然后点击“继续”。然后，将看到三个选项，用于选择模型应该如何训练，如下所示：
选择“从公共检查点训练”。然后，从“选择模型”下拉菜单中选择收藏的模型。可以使用“选择模型版本”下拉菜单选择想要作为检查点使用的模型版本。
注意：只能从相同模型类型的检查点开始训练，所以如果正在训练一个准确模型，但所收藏的Universe项目只有一个快速检查点，将无法使用它。
当准备好开始训练过程时，点击“开始训练”按钮。只需几次点击，就使用了一个与用例类似的现成模型作为模型的起点。一旦模型完成训练，将收到Roboflow的电子邮件。
一直在努力改进标注和训练工作流程，以便尽可能轻松地训练计算机视觉模型。希望专注于最重要的事情：快速解决计算机视觉问题。
在Roboflow Universe模型的帮助下，可以比以往任何时候都快地将模型的第一个版本投入生产。以下是可以遵循的步骤，从想法到无需标注任何图像即可训练模型的快速回顾：