─░├žeri─če ge├ž

ImageNet Veri K├╝mesi

ImageNet, g├Ârsel nesne tan─▒ma ara┼čt─▒rmalar─▒nda kullan─▒lmak ├╝zere tasarlanm─▒┼č, a├ž─▒klamal─▒ g├Âr├╝nt├╝lerden olu┼čan b├╝y├╝k ├Âl├žekli bir veritaban─▒d─▒r. Her bir g├Âr├╝nt├╝n├╝n WordNet e┼č k├╝meleri kullan─▒larak a├ž─▒kland─▒─č─▒ 14 milyondan fazla g├Âr├╝nt├╝ i├žerir ve bu da onu bilgisayarla g├Ârme g├Ârevlerinde derin ├Â─črenme modellerini e─čitmek i├žin mevcut en kapsaml─▒ kaynaklardan biri haline getirir.

ImageNet ├ľnceden E─čitilmi┼č Modeller

Model boyut
(piksel)
acc
top1
acc
top5
H─▒z
CPU ONNX
(ms)
H─▒z
A100 TensorRT
(ms)
params
(M)
FLOPs
(B) 640'da
YOLOv8n-cls 224 69.0 88.3 12.9 0.31 2.7 4.3
YOLOv8s-cls 224 73.8 91.7 23.4 0.35 6.4 13.5
YOLOv8m-cls 224 76.8 93.5 85.4 0.62 17.0 42.7
YOLOv8l-cls 224 76.8 93.5 163.0 0.87 37.5 99.7
YOLOv8x-cls 224 79.0 94.6 232.0 1.01 57.4 154.8

Temel ├ľzellikler

  • ImageNet, binlerce nesne kategorisini kapsayan 14 milyondan fazla y├╝ksek ├ž├Âz├╝n├╝rl├╝kl├╝ g├Âr├╝nt├╝ i├žerir.
  • Veri k├╝mesi WordNet hiyerar┼čisine g├Âre d├╝zenlenmi┼čtir ve her bir s├Âz dizimi bir kategoriyi temsil etmektedir.
  • ImageNet, ├Âzellikle g├Âr├╝nt├╝ s─▒n─▒fland─▒rma ve nesne alg─▒lama g├Ârevleri i├žin bilgisayarla g├Ârme alan─▒nda e─čitim ve k─▒yaslama i├žin yayg─▒n olarak kullan─▒lmaktad─▒r.
  • Her y─▒l d├╝zenlenen ImageNet B├╝y├╝k ├ľl├žekli G├Ârsel Tan─▒ma Yar─▒┼čmas─▒ (ILSVRC) bilgisayarla g├Ârme ara┼čt─▒rmalar─▒n─▒n ilerlemesinde ├Ânemli bir rol oynam─▒┼čt─▒r.

Veri K├╝mesi Yap─▒s─▒

ImageNet veri k├╝mesi WordNet hiyerar┼čisi kullan─▒larak d├╝zenlenmi┼čtir. Hiyerar┼čideki her d├╝─č├╝m bir kategoriyi temsil eder ve her kategori bir synset (e┼č anlaml─▒ terimler koleksiyonu) taraf─▒ndan tan─▒mlan─▒r. ImageNet'teki g├Âr├╝nt├╝lere bir veya daha fazla s├Âz k├╝mesi eklenir ve bu da ├že┼čitli nesneleri ve aralar─▒ndaki ili┼čkileri tan─▒maya y├Ânelik e─čitim modelleri i├žin zengin bir kaynak sa─člar.

ImageNet B├╝y├╝k ├ľl├žekli G├Ârsel Tan─▒ma Yar─▒┼čmas─▒ (ILSVRC)

Her y─▒l d├╝zenlenen ImageNet Large Scale Visual Recognition Challenge (ILSVRC) bilgisayarla g├Ârme alan─▒nda ├Ânemli bir etkinlik olmu┼čtur. Ara┼čt─▒rmac─▒lara ve geli┼čtiricilere algoritmalar─▒n─▒ ve modellerini standartla┼čt─▒r─▒lm─▒┼č de─čerlendirme ├Âl├ž├╝tleriyle b├╝y├╝k ├Âl├žekli bir veri k├╝mesi ├╝zerinde de─čerlendirmeleri i├žin bir platform sa─člam─▒┼čt─▒r. ILSVRC, g├Âr├╝nt├╝ s─▒n─▒fland─▒rma, nesne alg─▒lama ve di─čer bilgisayarla g├Ârme g├Ârevleri i├žin derin ├Â─črenme modellerinin geli┼čtirilmesinde ├Ânemli ilerlemelere yol a├žm─▒┼čt─▒r.

Uygulamalar

ImageNet veri k├╝mesi, g├Âr├╝nt├╝ s─▒n─▒fland─▒rma, nesne alg─▒lama ve nesne lokalizasyonu gibi ├že┼čitli bilgisayarla g├Ârme g├Ârevlerinde derin ├Â─črenme modellerini e─čitmek ve de─čerlendirmek i├žin yayg─▒n olarak kullan─▒lmaktad─▒r. AlexNet, VGG ve ResNet gibi baz─▒ pop├╝ler derin ├Â─črenme mimarileri ImageNet veri k├╝mesi kullan─▒larak geli┼čtirilmi┼č ve k─▒yaslanm─▒┼čt─▒r.

Kullan─▒m

ImageNet veri k├╝mesinde 224x224 g├Âr├╝nt├╝ boyutunda 100 epok i├žin bir derin ├Â─črenme modelini 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="imagenet", epochs=100, imgsz=224)
# Start training from a pretrained *.pt model
yolo train data=imagenet model=yolov8n-cls.pt epochs=100 imgsz=224

├ľrnek G├Âr├╝nt├╝ler ve A├ž─▒klamalar

ImageNet veri k├╝mesi, binlerce nesne kategorisini kapsayan y├╝ksek ├ž├Âz├╝n├╝rl├╝kl├╝ g├Âr├╝nt├╝ler i├žerir ve bilgisayarla g├Ârme modellerini e─čitmek ve de─čerlendirmek i├žin ├že┼čitli ve kapsaml─▒ bir veri k├╝mesi sa─člar. ─░┼čte veri k├╝mesinden baz─▒ g├Âr├╝nt├╝ ├Ârnekleri:

Veri k├╝mesi ├Ârnek g├Âr├╝nt├╝leri

├ľrnek, ImageNet veri k├╝mesindeki g├Âr├╝nt├╝lerin ├že┼čitlili─čini ve karma┼č─▒kl─▒─č─▒n─▒ g├Âstermekte ve sa─člam bilgisayarla g├Ârme 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 ImageNet veri k├╝mesini kullan─▒yorsan─▒z, l├╝tfen a┼ča─č─▒daki makaleye at─▒fta bulunun:

@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 liderli─čindeki ImageNet ekibine, makine ├Â─črenimi ve bilgisayarla g├Ârme ara┼čt─▒rma toplulu─ču i├žin de─čerli bir kaynak olarak ImageNet veri k├╝mesini olu┼čturduklar─▒ ve s├╝rd├╝rd├╝kleri i├žin te┼čekk├╝r ederiz. ImageNet veri k├╝mesi ve yarat─▒c─▒lar─▒ hakk─▒nda daha fazla bilgi i├žin ImageNet web sitesini ziyaret edin.



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (7), RizwanMunawar (1)

Yorumlar