Link to this sectionImageNet Veri Seti#

ImageNet is a large-scale database of annotated images designed for use in visual object recognition research. It contains over 14 million images, with each image annotated using WordNet synsets, making it one of the most extensive resources available for training deep learning models in computer vision tasks.

Link to this sectionImageNet Önceden Eğitilmiş Modelleri#

Link to this sectionTemel Özellikler#

• ImageNet, binlerce nesne kategorisine yayılan 14 milyondan fazla yüksek çözünürlüklü görüntü içerir.
• Veri seti, her synset'in bir kategoriyi temsil ettiği WordNet hiyerarşisine göre düzenlenmiştir.
• ImageNet, özellikle image classification ve object detection görevleri başta olmak üzere, computer vision alanında eğitim ve kıyaslama için yaygın olarak kullanılmaktadır.
• Yıllık ImageNet Large Scale Visual Recognition Challenge (ILSVRC), computer vision araştırmalarını ilerletmede etkili olmuştur.

Link to this sectionVeri Seti Yapısı#

ImageNet veri seti, WordNet hiyerarşisi kullanılarak düzenlenmiştir. Hiyerarşideki her düğüm bir kategoriyi temsil eder ve her kategori bir synset (eş anlamlı terimler koleksiyonu) ile tanımlanır. ImageNet'teki görüntüler bir veya daha fazla synset ile etiketlenmiş olup, çeşitli nesneleri ve bunların ilişkilerini tanımak üzere modelleri eğitmek için zengin bir kaynak sağlar.

Link to this sectionImageNet Large Scale Visual Recognition Challenge (ILSVRC)#

Yıllık ImageNet Large Scale Visual Recognition Challenge (ILSVRC), computer vision alanında önemli bir etkinlik olmuştur. Araştırmacılara ve geliştiricilere, algoritmalarını ve modellerini standartlaştırılmış değerlendirme metriklerine sahip büyük ölçekli bir veri setinde test etmeleri için bir platform sağlamıştır. ILSVRC, image classification, object detection ve diğer computer vision görevlerine yönelik deep learning modellerinin geliştirilmesinde önemli ilerlemelere yol açmıştır.

Link to this sectionUygulamalar#

ImageNet veri seti, image classification, object detection ve object localization gibi çeşitli computer vision görevlerinde deep learning modellerini eğitmek ve değerlendirmek için yaygın olarak kullanılmaktadır. AlexNet, VGG ve ResNet gibi bazı popüler deep learning mimarileri, ImageNet veri seti kullanılarak geliştirilmiş ve kıyaslanmıştır.

Link to this sectionKullanım#

Bir deep learning modelini ImageNet veri setinde 224x224 görüntü boyutuyla 100 epochs boyunca eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin. Mevcut argümanların kapsamlı bir listesi için model Training sayfasına bakabilirsin.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="imagenet", epochs=100, imgsz=224)

Link to this sectionÖrnek Görüntüler ve Ek Açıklamalar#

ImageNet veri seti, binlerce nesne kategorisine yayılan yüksek çözünürlüklü görüntüler içererek, computer vision modellerini eğitmek ve değerlendirmek için çeşitli ve kapsamlı bir veri seti sunar. İşte veri setinden bazı görüntü örnekleri:

Bu örnek, ImageNet veri setindeki görüntülerin çeşitliliğini ve karmaşıklığını sergileyerek, sağlam computer vision modelleri eğitmek için çeşitli bir veri setinin önemini vurgulamaktadır.

Link to this sectionAlıntılar ve Teşekkür#

ImageNet veri setini araştırma veya geliştirme çalışmalarında kullanıyorsan, lütfen şu makaleye atıfta bulun:

@article{ILSVRC15,
         author = {Olga Russakovsky and Jia Deng and Hao Su and Jonathan Krause and Sanjeev Satheesh and Sean Ma and Zhiheng Huang and Andrej Karpathy and Aditya Khosla and Michael Bernstein and Alexander C. Berg and Li Fei-Fei},
         title={ImageNet Large Scale Visual Recognition Challenge},
         year={2015},
         journal={International Journal of Computer Vision (IJCV)},
         volume={115},
         number={3},
         pages={211-252}
}

Olga Russakovsky, Jia Deng ve Li Fei-Fei liderliğindeki ImageNet ekibine, ImageNet veri setini machine learning ve computer vision araştırma topluluğu için değerli bir kaynak olarak oluşturdukları ve sürdürdükleri için teşekkür ederiz. ImageNet veri seti ve yaratıcıları hakkında daha fazla bilgi için ImageNet web sitesini ziyaret edebilirsin.

Link to this sectionSSS#

Link to this sectionImageNet veri seti nedir ve computer vision alanında nasıl kullanılır?#

ImageNet veri seti, WordNet synset'leri kullanılarak kategorize edilmiş 14 milyondan fazla yüksek çözünürlüklü görüntüden oluşan büyük ölçekli bir veritabanıdır. Görsel nesne tanıma araştırmalarında, image classification ve object detection dahil olmak üzere yoğun bir şekilde kullanılır. Veri setinin ek açıklamaları ve muazzam hacmi, deep learning modellerini eğitmek için zengin bir kaynak sağlar. Özellikle, AlexNet, VGG ve ResNet gibi modeller ImageNet kullanılarak eğitilmiş ve kıyaslanmış, böylece computer vision alanındaki ilerlemedeki rolü ortaya konmuştur.

Link to this sectionImageNet veri setinde image classification için önceden eğitilmiş bir YOLO modelini nasıl kullanabilirim?#

ImageNet veri setinde image classification için önceden eğitilmiş bir Ultralytics YOLO modelini kullanmak için şu adımları izle:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="imagenet", epochs=100, imgsz=224)

Daha derinlemesine eğitim talimatları için Training sayfamıza bakabilirsin.

Link to this sectionImageNet veri seti projelerim için neden Ultralytics YOLO26 önceden eğitilmiş modellerini kullanmalıyım?#

Ultralytics YOLO26 önceden eğitilmiş modelleri, çeşitli computer vision görevleri için hız ve accuracy açısından son teknoloji performans sunar. Örneğin, %71,4 top-1 accuracy ve %90,1 top-5 accuracy değerine sahip YOLO26n-cls modeli, gerçek zamanlı uygulamalar için optimize edilmiştir. Önceden eğitilmiş modeller, sıfırdan eğitim için gereken hesaplama kaynaklarını azaltır ve geliştirme döngülerini hızlandırır. YOLO26 modellerinin performans metrikleri hakkında daha fazla bilgiyi ImageNet Pretrained Models bölümünde bulabilirsin.

Link to this sectionImageNet veri seti nasıl yapılandırılmıştır ve neden önemlidir?#

ImageNet veri seti, hiyerarşideki her düğümün bir synset (eş anlamlı terimler koleksiyonu) ile tanımlanan bir kategoriyi temsil ettiği WordNet hiyerarşisi kullanılarak düzenlenmiştir. Bu yapı, ayrıntılı etiketlemelere olanak tanıyarak modellerin çok çeşitli nesneleri tanıması için eğitim almasını ideal hale getirir. ImageNet'in çeşitliliği ve etiketleme zenginliği, onu sağlam ve genellenebilir deep learning modelleri geliştirmek için değerli bir veri seti haline getirir. Bu organizasyon hakkında daha fazla bilgi Dataset Structure bölümünde bulunabilir.

Link to this sectionImageNet Large Scale Visual Recognition Challenge (ILSVRC)'ın computer vision alanındaki rolü nedir?#

Yıllık ImageNet Large Scale Visual Recognition Challenge (ILSVRC), algoritmaların büyük ölçekli, standartlaştırılmış bir veri seti üzerinde değerlendirilmesi için rekabetçi bir platform sağlayarak computer vision alanındaki ilerlemeleri yönlendirmede çok önemli bir rol oynamıştır. Standartlaştırılmış değerlendirme metrikleri sunarak image classification, object detection ve image segmentation gibi alanlarda inovasyonu ve gelişimi teşvik eder. Yarışma, deep learning ve computer vision teknolojileriyle nelerin mümkün olduğunun sınırlarını sürekli olarak zorlamıştır.