─░├žeri─če ge├ž

ImageWoof Veri K├╝mesi

ImageWoof veri k├╝mesi, ImageNet'in, hepsi k├Âpek cinsi oldu─ču i├žin s─▒n─▒fland─▒r─▒lmas─▒ zor olan 10 s─▒n─▒ftan olu┼čan bir alt k├╝mesidir. Daha geli┼čmi┼č modellerin geli┼čtirilmesini te┼čvik etmek amac─▒yla g├Âr├╝nt├╝ s─▒n─▒fland─▒rma algoritmalar─▒n─▒n ├ž├Âzmesi i├žin daha zor bir g├Ârev olarak olu┼čturulmu┼čtur.

Temel ├ľzellikler

  • ImageWoof 10 farkl─▒ k├Âpek ─▒rk─▒n─▒n resimlerini i├žerir: Avustralya teriyeri, Border teriyeri, Samoyed, Beagle, Shih-Tzu, English foxhound, Rhodesian ridgeback, Dingo, Golden retriever ve Old English sheepdog.
  • Veri seti, farkl─▒ hesaplama yeteneklerine ve ara┼čt─▒rma ihtiya├žlar─▒na uyum sa─člayan ├že┼čitli ├ž├Âz├╝n├╝rl├╝klerde (tam boyut, 320 piksel, 160 piksel) g├Âr├╝nt├╝ler sa─člar.
  • Ayr─▒ca, etiketlerin her zaman g├╝venilir olmayabilece─či daha ger├žek├ži bir senaryo sa─člayan g├╝r├╝lt├╝l├╝ etiketlere sahip bir versiyon da i├žerir.

Veri K├╝mesi Yap─▒s─▒

ImageWoof veri k├╝mesi yap─▒s─▒, k├Âpek cinsi s─▒n─▒flar─▒na dayanmaktad─▒r ve her cinsin kendi g├Âr├╝nt├╝ dizini vard─▒r.

Uygulamalar

ImageWoof veri k├╝mesi, ├Âzellikle daha karma┼č─▒k ve benzer s─▒n─▒flar s├Âz konusu oldu─čunda, g├Âr├╝nt├╝ s─▒n─▒fland─▒rma g├Ârevlerinde derin ├Â─črenme modellerini e─čitmek ve de─čerlendirmek i├žin yayg─▒n olarak kullan─▒lmaktad─▒r. Veri setinin zorlu─ču, k├Âpek ─▒rklar─▒ aras─▒ndaki ince farkl─▒l─▒klarda yatmakta ve modelin performans─▒n─▒n ve genellemesinin s─▒n─▒rlar─▒n─▒ zorlamaktad─▒r.

Kullan─▒m

Bir CNN modelini ImageWoof veri k├╝mesi ├╝zerinde 224x224 g├Âr├╝nt├╝ boyutunda 100 epok i├žin 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="imagewoof", epochs=100, imgsz=224)
# Start training from a pretrained *.pt model
yolo detect train data=imagewoof model=yolov8n-cls.pt epochs=100 imgsz=224

Veri K├╝mesi Varyantlar─▒

ImageWoof veri seti, ├že┼čitli ara┼čt─▒rma ihtiya├žlar─▒n─▒ ve hesaplama yeteneklerini kar┼č─▒lamak i├žin ├╝├ž farkl─▒ boyutta gelir:

  1. Tam Boyut (imagewoof): Bu, ImageWoof veri k├╝mesinin orijinal s├╝r├╝m├╝d├╝r. Tam boyutlu g├Âr├╝nt├╝ler i├žerir ve son e─čitim ve performans k─▒yaslamas─▒ i├žin idealdir.

  2. Orta Boyut (imagewoof320): Bu s├╝r├╝m, maksimum kenar uzunlu─ču 320 piksel olacak ┼čekilde yeniden boyutland─▒r─▒lm─▒┼č g├Âr├╝nt├╝ler i├žerir. Model performans─▒ndan ├Ânemli ├Âl├ž├╝de ├Âd├╝n vermeden daha h─▒zl─▒ e─čitim i├žin uygundur.

  3. K├╝├ž├╝k Boyut (imagewoof160): Bu s├╝r├╝m, maksimum 160 piksel kenar uzunlu─čuna sahip olacak ┼čekilde yeniden boyutland─▒r─▒lm─▒┼č g├Âr├╝nt├╝ler i├žerir. E─čitim h─▒z─▒n─▒n ├Âncelikli oldu─ču h─▒zl─▒ prototipleme ve deneyler i├žin tasarlanm─▒┼čt─▒r.

E─čitiminizde bu varyantlar─▒ kullanmak i├žin veri k├╝mesi arg├╝man─▒nda 'imagewoof' yerine 'imagewoof320' veya 'imagewoof160' yazman─▒z yeterlidir. ├ľrne─čin:

from ultralytics import YOLO

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

# For medium-sized dataset
model.train(data="imagewoof320", epochs=100, imgsz=224)

# For small-sized dataset
model.train(data="imagewoof160", epochs=100, imgsz=224)

Daha k├╝├ž├╝k g├Âr├╝nt├╝lerin kullan─▒lmas─▒n─▒n s─▒n─▒fland─▒rma do─črulu─ču a├ž─▒s─▒ndan muhtemelen daha d├╝┼č├╝k performans sa─člayaca─č─▒n─▒ unutmamak ├Ânemlidir. Bununla birlikte, model geli┼čtirme ve prototip olu┼čturman─▒n ilk a┼čamalar─▒nda h─▒zl─▒ bir ┼čekilde yineleme yapmak i├žin m├╝kemmel bir yoldur.

├ľrnek G├Âr├╝nt├╝ler ve A├ž─▒klamalar

ImageWoof veri k├╝mesi, ├že┼čitli k├Âpek ─▒rklar─▒n─▒n renkli g├Âr├╝nt├╝lerini i├žerir ve g├Âr├╝nt├╝ s─▒n─▒fland─▒rma g├Ârevleri i├žin zorlu bir veri k├╝mesi sa─člar. ─░┼čte veri k├╝mesinden baz─▒ g├Âr├╝nt├╝ ├Ârnekleri:

Veri k├╝mesi ├Ârnek g├Âr├╝nt├╝s├╝

├ľrnek, ImageWoof veri k├╝mesindeki farkl─▒ k├Âpek ─▒rklar─▒ aras─▒ndaki ince farkl─▒l─▒klar─▒ ve benzerlikleri g├Âstererek s─▒n─▒fland─▒rma g├Ârevinin karma┼č─▒kl─▒─č─▒n─▒ ve zorlu─čunu vurgulamaktad─▒r.

At─▒flar ve Te┼čekk├╝r

Ara┼čt─▒rma veya geli┼čtirme ├žal─▒┼čmalar─▒n─▒zda ImageWoof veri setini kullan─▒rsan─▒z, l├╝tfen resmi veri seti deposuna ba─člant─▒ vererek veri setinin yarat─▒c─▒lar─▒na te┼čekk├╝r etti─činizden emin olun.

FastAI ekibine, ImageWoof veri setini makine ├Â─črenimi ve bilgisayarla g├Ârme ara┼čt─▒rma toplulu─ču i├žin de─čerli bir kaynak olarak olu┼čturduklar─▒ ve s├╝rd├╝rd├╝kleri i├žin te┼čekk├╝r ederiz. ImageWoof veri k├╝mesi hakk─▒nda daha fazla bilgi i├žin ImageWoof veri k├╝mesi deposunu ziyaret edin.



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

Yorumlar