─░├žeri─če ge├ž

CIFAR-100 Veri Seti

CIFAR-100 (Canadian Institute For Advanced Research) veri seti, 100 farkl─▒ s─▒n─▒fta 60.000 32x32 renkli g├Âr├╝nt├╝den olu┼čan CIFAR-10 veri setinin ├Ânemli bir uzant─▒s─▒d─▒r. CIFAR enstit├╝s├╝ndeki ara┼čt─▒rmac─▒lar taraf─▒ndan geli┼čtirilmi┼čtir ve daha karma┼č─▒k makine ├Â─črenimi ve bilgisayarla g├Ârme g├Ârevleri i├žin daha zorlu bir veri k├╝mesi sunar.

Temel ├ľzellikler

  • CIFAR-100 veri k├╝mesi, 100 s─▒n─▒fa ayr─▒lm─▒┼č 60.000 g├Âr├╝nt├╝den olu┼čmaktad─▒r.
  • Her s─▒n─▒f, e─čitim i├žin 500 ve test i├žin 100 olmak ├╝zere 600 g├Âr├╝nt├╝ i├žerir.
  • G├Âr├╝nt├╝ler renkli ve 32x32 piksel boyutundad─▒r.
  • 100 farkl─▒ s─▒n─▒f, daha ├╝st d├╝zey s─▒n─▒fland─▒rma i├žin 20 kaba kategoride grupland─▒r─▒lm─▒┼čt─▒r.
  • CIFAR-100, makine ├Â─črenimi ve bilgisayarla g├Ârme alan─▒nda e─čitim ve test i├žin yayg─▒n olarak kullan─▒lmaktad─▒r.

Veri K├╝mesi Yap─▒s─▒

CIFAR-100 veri k├╝mesi iki alt k├╝meye ayr─▒lm─▒┼čt─▒r:

  1. E─čitim Seti: Bu alt k├╝me, makine ├Â─črenimi modellerini e─čitmek i├žin kullan─▒lan 50.000 g├Âr├╝nt├╝ i├žerir.
  2. Test K├╝mesi: Bu alt k├╝me, e─čitilen modelleri test etmek ve k─▒yaslamak i├žin kullan─▒lan 10.000 g├Âr├╝nt├╝den olu┼čur.

Uygulamalar

CIFAR-100 veri k├╝mesi, g├Âr├╝nt├╝ s─▒n─▒fland─▒rma g├Ârevlerinde Evri┼čimli Sinir A─člar─▒ (CNN'ler), Destek Vekt├Âr Makineleri (SVM'ler) ve di─čer ├že┼čitli makine ├Â─črenimi algoritmalar─▒ gibi derin ├Â─črenme modellerini e─čitmek ve de─čerlendirmek i├žin yayg─▒n olarak kullan─▒lmaktad─▒r. Veri setinin s─▒n─▒flar a├ž─▒s─▒ndan ├že┼čitlili─či ve renkli g├Âr├╝nt├╝lerin varl─▒─č─▒, onu makine ├Â─črenimi ve bilgisayarla g├Ârme alan─▒nda ara┼čt─▒rma ve geli┼čtirme i├žin daha zorlu ve kapsaml─▒ bir veri seti haline getirmektedir.

Kullan─▒m

Bir YOLO modelini 32x32 g├Âr├╝nt├╝ boyutunda 100 epok i├žin CIFAR-100 veri k├╝mesi ├╝zerinde e─čitmek i├žin a┼ča─č─▒daki kod par├žac─▒klar─▒n─▒ kullanabilirsiniz. Kullan─▒labilir ba─č─▒ms─▒z de─či┼čkenlerin kapsaml─▒ bir listesi i├žin Model E─čitimi sayfas─▒na bak─▒n.

Tren ├ľrne─či

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="cifar100", epochs=100, imgsz=32)
# Start training from a pretrained *.pt model
yolo detect train data=cifar100 model=yolov8n-cls.pt epochs=100 imgsz=32

├ľrnek G├Âr├╝nt├╝ler ve A├ž─▒klamalar

CIFAR-100 veri k├╝mesi, ├že┼čitli nesnelerin renkli g├Âr├╝nt├╝lerini i├žerir ve g├Âr├╝nt├╝ s─▒n─▒fland─▒rma g├Ârevleri i├žin iyi yap─▒land─▒r─▒lm─▒┼č bir veri k├╝mesi sa─člar. ─░┼čte veri k├╝mesinden baz─▒ g├Âr├╝nt├╝ ├Ârnekleri:

Veri k├╝mesi ├Ârnek g├Âr├╝nt├╝s├╝

├ľrnek, CIFAR-100 veri k├╝mesindeki nesnelerin ├že┼čitlili─čini ve karma┼č─▒kl─▒─č─▒n─▒ g├Âstermekte ve sa─člam g├Âr├╝nt├╝ s─▒n─▒fland─▒rma modellerini e─čitmek i├žin ├že┼čitli bir veri k├╝mesinin ├Ânemini vurgulamaktad─▒r.

At─▒flar ve Te┼čekk├╝r

Ara┼čt─▒rma veya geli┼čtirme ├žal─▒┼čmalar─▒n─▒zda CIFAR-100 veri setini kullan─▒yorsan─▒z, l├╝tfen a┼ča─č─▒daki makaleye at─▒fta bulunun:

@TECHREPORT{Krizhevsky09learningmultiple,
            author={Alex Krizhevsky},
            title={Learning multiple layers of features from tiny images},
            institution={},
            year={2009}
}

Alex Krizhevsky'ye CIFAR-100 veri setini makine ├Â─črenimi ve bilgisayarla g├Ârme ara┼čt─▒rma toplulu─ču i├žin de─čerli bir kaynak olarak yaratt─▒─č─▒ ve s├╝rd├╝rd├╝─č├╝ i├žin te┼čekk├╝r ederiz. CIFAR-100 veri seti ve yarat─▒c─▒s─▒ hakk─▒nda daha fazla bilgi i├žin CIFAR-100 veri seti web sitesini ziyaret edin.



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (5)

Yorumlar