─░├žeri─če ge├ž

Nesne Alg─▒lama Veri K├╝melerine Genel Bak─▒┼č

Sa─člam ve do─čru bir nesne alg─▒lama modelinin e─čitilmesi i├žin kapsaml─▒ bir veri k├╝mesi gerekir. Bu k─▒lavuz, Ultralytics YOLO modeliyle uyumlu ├že┼čitli veri k├╝mesi formatlar─▒n─▒ tan─▒tmakta ve bunlar─▒n yap─▒s─▒, kullan─▒m─▒ ve farkl─▒ formatlar aras─▒nda nas─▒l d├Ân├╝┼čt├╝r├╝lece─či hakk─▒nda bilgi vermektedir.

Desteklenen Veri K├╝mesi Formatlar─▒

Ultralytics YOLO Bi├žim

Ultralytics YOLO bi├žimi, veri k├╝mesi k├Âk dizinini, e─čitim/do─črulama/test g├Âr├╝nt├╝ dizinlerinin g├Âreli yollar─▒n─▒ veya *.txt g├Âr├╝nt├╝ yollar─▒n─▒ i├žeren dosyalar ve s─▒n─▒f adlar─▒ s├Âzl├╝─č├╝. ─░┼čte bir ├Ârnek:

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco8  # dataset root dir
train: images/train  # train images (relative to 'path') 4 images
val: images/val  # val images (relative to 'path') 4 images
test:  # test images (optional)

# Classes (80 COCO classes)
names:
  0: person
  1: bicycle
  2: car
  # ...
  77: teddy bear
  78: hair drier
  79: toothbrush

Bu format i├žin etiketler YOLO format─▒na bir *.txt g├Âr├╝nt├╝ ba┼č─▒na dosya. Bir g├Âr├╝nt├╝de hi├žbir nesne yoksa, hi├žbir *.txt dosyas─▒ gereklidir. Bu dosya *.txt dosyas─▒nda nesne ba┼č─▒na bir sat─▒r olacak ┼čekilde bi├žimlendirilmelidir. class x_center y_center width height bi├žim. Kutu koordinatlar─▒ ┼ču ┼čekilde olmal─▒d─▒r normalle┼čtirilmi┼č xywh bi├žiminde (0'dan 1'e kadar). E─čer kutular─▒n─▒z piksel cinsinden ise x_center ve width g├Âr├╝nt├╝ geni┼čli─čine g├Âre ve y_center ve height g├Âr├╝nt├╝ y├╝ksekli─čine g├Âre. S─▒n─▒f numaralar─▒ s─▒f─▒r indeksli olmal─▒d─▒r (0 ile ba┼člar).

├ľrnek etiketli g├Âr├╝nt├╝

Yukar─▒daki resme kar┼č─▒l─▒k gelen etiket dosyas─▒ 2 ki┼či i├žerir (s─▒n─▒f 0) ve bir beraberlik (s─▒n─▒f 27):

├ľrnek etiket dosyas─▒

Ultralytics YOLO bi├žimini kullan─▒rken, e─čitim ve do─črulama g├Âr├╝nt├╝lerinizi ve etiketlerinizi a┼ča─č─▒daki COCO8 veri k├╝mesi ├Ârne─činde g├Âsterildi─či gibi d├╝zenleyin.

├ľrnek veri k├╝mesi dizin yap─▒s─▒

Kullan─▒m

Modelinizi e─čitmek i├žin bu formatlar─▒ nas─▒l kullanabilece─činiz a┼ča─č─▒da a├ž─▒klanm─▒┼čt─▒r:

├ľrnek

from ultralytics import YOLO

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

# Train the model
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=coco8.yaml model=yolov8n.pt epochs=100 imgsz=640

Desteklenen Veri Setleri

─░┼čte desteklenen veri k├╝melerinin bir listesi ve her biri i├žin k─▒sa bir a├ž─▒klama:

  • Argoverse: Zengin ek a├ž─▒klamalara sahip kentsel ortamlardan 3B izleme ve hareket tahmini verilerini i├žeren bir veri k├╝mesi.
  • COCO: Common Objects in Context (COCO), 80 nesne kategorisine sahip b├╝y├╝k ├Âl├žekli bir nesne alg─▒lama, segmentasyon ve altyaz─▒ olu┼čturma veri k├╝mesidir.
  • LVIS: 1203 nesne kategorisine sahip b├╝y├╝k ├Âl├žekli bir nesne alg─▒lama, segmentasyon ve altyaz─▒ veri k├╝mesi.
  • COCO8: COCO train ve COCO val'den ilk 4 g├Âr├╝nt├╝n├╝n daha k├╝├ž├╝k bir alt k├╝mesi, h─▒zl─▒ testler i├žin uygundur.
  • K├╝resel Bu─čday 2020: Global Wheat Challenge 2020 i├žin bu─čday ba┼člar─▒n─▒n g├Âr├╝nt├╝lerini i├žeren bir veri k├╝mesi.
  • Objects365: Nesne tespiti i├žin 365 nesne kategorisi ve 600 binden fazla a├ž─▒klamal─▒ g├Âr├╝nt├╝ i├žeren y├╝ksek kaliteli, b├╝y├╝k ├Âl├žekli bir veri k├╝mesi.
  • OpenImagesV7: Google taraf─▒ndan 1,7 milyon e─čitme g├Âr├╝nt├╝s├╝ ve 42 bin do─črulama g├Âr├╝nt├╝s├╝ i├žeren kapsaml─▒ bir veri k├╝mesi.
  • SKU-110K: 11K'dan fazla g├Âr├╝nt├╝ ve 1,7 milyon s─▒n─▒rlay─▒c─▒ kutu ile perakende ortamlar─▒nda yo─čun nesne alg─▒lama ├Âzelli─čine sahip bir veri k├╝mesi.
  • VisDrone: 10K'dan fazla g├Âr├╝nt├╝ ve video dizisi ile drone ile yakalanan g├Âr├╝nt├╝lerden nesne alg─▒lama ve ├žoklu nesne izleme verilerini i├žeren bir veri k├╝mesi.
  • VOC: Nesne alg─▒lama ve segmentasyon i├žin 20 nesne s─▒n─▒f─▒ ve 11 binden fazla g├Âr├╝nt├╝ i├žeren Pascal G├Ârsel Nesne S─▒n─▒flar─▒ (VOC) veri seti.
  • xView: Ba┼č ├╝st├╝ g├Âr├╝nt├╝lerde nesne tespiti i├žin 60 nesne kategorisi ve 1 milyondan fazla a├ž─▒klamal─▒ nesne i├žeren bir veri k├╝mesi.
  • Roboflow 100: Kapsaml─▒ model de─čerlendirmesi i├žin yedi g├Âr├╝nt├╝ alan─▒n─▒ kapsayan 100 veri k├╝mesi i├žeren ├že┼čitli bir nesne alg─▒lama ├Âl├ž├╝t├╝.
  • Beyin t├╝m├Âr├╝: Beyin t├╝m├Ârlerini tespit etmeye y├Ânelik bir veri k├╝mesi, t├╝m├Âr varl─▒─č─▒, konumu ve ├Âzellikleri hakk─▒nda ayr─▒nt─▒lar i├žeren MRI veya CT tarama g├Âr├╝nt├╝lerini i├žerir.
  • Afrika-yaban hayat─▒: Bufalo, fil, gergedan ve zebralar da dahil olmak ├╝zere Afrika vah┼či ya┼čam─▒n─▒n g├Âr├╝nt├╝lerini i├žeren bir veri k├╝mesi.
  • ─░mza: Belge do─črulama ve sahtekarl─▒k tespit ara┼čt─▒rmalar─▒n─▒ destekleyen, a├ž─▒klamal─▒ imzalara sahip ├že┼čitli belgelerin g├Âr├╝nt├╝lerini i├žeren bir veri k├╝mesi.

Kendi veri setinizi ekleme

Kendi veri k├╝meniz varsa ve bunu Ultralytics YOLO bi├žimindeki alg─▒lama modellerini e─čitmek i├žin kullanmak istiyorsan─▒z, yukar─▒da "Ultralytics YOLO bi├žimi" alt─▒nda belirtilen bi├žime uygun oldu─čundan emin olun. Ek a├ž─▒klamalar─▒n─▒z─▒ gerekli bi├žime d├Ân├╝┼čt├╝r├╝n ve YAML yap─▒land─▒rma dosyas─▒nda yollar─▒, s─▒n─▒f say─▒s─▒n─▒ ve s─▒n─▒f adlar─▒n─▒ belirtin.

Etiket Formatlar─▒n─▒ Ta┼č─▒y─▒n veya D├Ân├╝┼čt├╝r├╝n

COCO Veri Seti Format─▒ndan YOLO Format─▒na

A┼ča─č─▒daki kod par├žac─▒─č─▒n─▒ kullanarak etiketleri pop├╝ler COCO veri k├╝mesi bi├žiminden YOLO bi├žimine kolayca d├Ân├╝┼čt├╝rebilirsiniz:

├ľrnek

from ultralytics.data.converter import convert_coco

convert_coco(labels_dir="path/to/coco/annotations/")

Bu d├Ân├╝┼čt├╝rme arac─▒ COCO veri setini veya COCO format─▒ndaki herhangi bir veri setini Ultralytics YOLO format─▒na d├Ân├╝┼čt├╝rmek i├žin kullan─▒labilir.

Kullanmak istedi─činiz veri k├╝mesinin modelinizle uyumlu olup olmad─▒─č─▒n─▒ ve gerekli bi├žim kurallar─▒na uyup uymad─▒─č─▒n─▒ iki kez kontrol etmeyi unutmay─▒n. D├╝zg├╝n bi├žimlendirilmi┼č veri k├╝meleri, ba┼čar─▒l─▒ nesne alg─▒lama modellerinin e─čitimi i├žin ├žok ├Ânemlidir.



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (9), RizwanMunawar (2), IvorZhu331 (1), Laughing-q (1)

Yorumlar