─░├žeri─če ge├ž

Ultralytics YOLOv8 Modlar

Ultralytics YOLO ekosistem ve entegrasyonlar

Giri┼č

Ultralytics YOLOv8 sadece ba┼čka bir nesne alg─▒lama modeli de─čildir; veri al─▒m─▒ ve model e─čitiminden do─črulama, da─č─▒t─▒m ve ger├žek d├╝nya takibine kadar makine ├Â─črenimi modellerinin t├╝m ya┼čam d├Âng├╝s├╝n├╝ kapsayacak ┼čekilde tasarlanm─▒┼č ├žok y├Ânl├╝ bir ├žer├ževedir. Her mod belirli bir amaca hizmet eder ve size farkl─▒ g├Ârevler ve kullan─▒m durumlar─▒ i├žin gereken esnekli─či ve verimlili─či sunmak ├╝zere tasarlanm─▒┼čt─▒r.



─░zle: Ultralytics Modlar ├ľ─čreticisi: E─čitim, Do─črulama, Tahmin, D─▒┼ča Aktarma ve K─▒yaslama.

Bir Bak─▒┼čta Modlar

Ultralytics YOLOv8 adresinin destekledi─či farkl─▒ modlar─▒ anlamak, modellerinizden en iyi ┼čekilde yararlanmak i├žin kritik ├Âneme sahiptir:

  • E─čitim modu: ├ľzel veya ├Ânceden y├╝klenmi┼č veri k├╝meleri ├╝zerinde modelinize ince ayar yap─▒n.
  • Val modu: Model performans─▒n─▒ do─črulamak i├žin e─čitim sonras─▒ bir kontrol noktas─▒.
  • Tahmin modu: Modelinizin ger├žek d├╝nya verileri ├╝zerindeki tahmin g├╝c├╝n├╝ ortaya ├ž─▒kar─▒n.
  • D─▒┼ča aktar ma modu: Modelinizi ├že┼čitli formatlarda da─č─▒t─▒ma haz─▒r hale getirin.
  • ─░zleme modu: Nesne alg─▒lama modelinizi ger├žek zamanl─▒ izleme uygulamalar─▒na geni┼čletin.
  • Benchmark modu: Farkl─▒ da─č─▒t─▒m ortamlar─▒nda modelinizin h─▒z─▒n─▒ ve do─črulu─čunu analiz edin.

Bu kapsaml─▒ k─▒lavuz, her bir moda ili┼čkin genel bir bak─▒┼č ve pratik bilgiler sunarak YOLOv8'un t├╝m potansiyelinden yararlanman─▒za yard─▒mc─▒ olmay─▒ ama├žlamaktad─▒r.

Tren

Train modu, ├Âzel bir veri k├╝mesi ├╝zerinde bir YOLOv8 modelini e─čitmek i├žin kullan─▒l─▒r. Bu modda model, belirtilen veri k├╝mesi ve hiperparametreler kullan─▒larak e─čitilir. E─čitim s├╝reci, bir g├Âr├╝nt├╝deki nesnelerin s─▒n─▒flar─▒n─▒ ve konumlar─▒n─▒ do─čru bir ┼čekilde tahmin edebilmesi i├žin modelin parametrelerinin optimize edilmesini i├žerir.

Tren ├ľrnekleri

Val

Val modu, e─čitildikten sonra bir YOLOv8 modelini do─črulamak i├žin kullan─▒l─▒r. Bu modda model, do─črulu─čunu ve genelleme performans─▒n─▒ ├Âl├žmek i├žin bir do─črulama k├╝mesi ├╝zerinde de─čerlendirilir. Bu mod, performans─▒n─▒ art─▒rmak i├žin modelin hiperparametrelerini ayarlamak i├žin kullan─▒labilir.

Val ├ľrnekleri

Tahmin Et

Tahmin modu, yeni g├Âr├╝nt├╝ler veya videolar ├╝zerinde e─čitilmi┼č bir YOLOv8 modeli kullanarak tahminler yapmak i├žin kullan─▒l─▒r. Bu modda, model bir kontrol noktas─▒ dosyas─▒ndan y├╝klenir ve kullan─▒c─▒ ├ž─▒kar─▒m yapmak i├žin g├Âr├╝nt├╝ veya video sa─člayabilir. Model, giri┼č g├Âr├╝nt├╝leri veya videolar─▒ndaki nesnelerin s─▒n─▒flar─▒n─▒ ve konumlar─▒n─▒ tahmin eder.

├ľrnekleri Tahmin Et

─░hracat

D─▒┼ča aktarma modu, bir YOLOv8 modelini da─č─▒t─▒m i├žin kullan─▒labilecek bir formata aktarmak i├žin kullan─▒l─▒r. Bu modda model, di─čer yaz─▒l─▒m uygulamalar─▒ veya donan─▒m cihazlar─▒ taraf─▒ndan kullan─▒labilecek bir bi├žime d├Ân├╝┼čt├╝r├╝l├╝r. Bu mod, modeli ├╝retim ortamlar─▒na da─č─▒t─▒rken kullan─▒┼čl─▒d─▒r.

─░hracat ├ľrnekleri

Par├ža

─░zleme modu, bir YOLOv8 modeli kullanarak nesneleri ger├žek zamanl─▒ olarak izlemek i├žin kullan─▒l─▒r. Bu modda, model bir kontrol noktas─▒ dosyas─▒ndan y├╝klenir ve kullan─▒c─▒ ger├žek zamanl─▒ nesne takibi ger├žekle┼čtirmek i├žin canl─▒ bir video ak─▒┼č─▒ sa─člayabilir. Bu mod, g├Âzetleme sistemleri veya s├╝r├╝c├╝s├╝z arabalar gibi uygulamalar i├žin kullan─▒┼čl─▒d─▒r.

Par├ža ├ľrnekleri

Benchmark

Benchmark modu YOLOv8 i├žin ├že┼čitli d─▒┼ča aktarma formatlar─▒n─▒n h─▒z ve do─čruluk profilini ├ž─▒karmak i├žin kullan─▒l─▒r. K─▒yaslamalar, d─▒┼ča aktar─▒lan format─▒n boyutu, h─▒z─▒ ve do─črulu─ču hakk─▒nda bilgi sa─člar. mAP50-95 metrikleri (nesne alg─▒lama, segmentasyon ve poz i├žin) veya accuracy_top5 metrikleri (s─▒n─▒fland─▒rma i├žin) ve ONNX, OpenVINO, TensorRT ve di─čerleri gibi ├že┼čitli d─▒┼ča aktarma bi├žimlerinde g├Âr├╝nt├╝ ba┼č─▒na milisaniye cinsinden ├ž─▒kar─▒m s├╝resi. Bu bilgiler, kullan─▒c─▒lar─▒n h─▒z ve do─čruluk gereksinimlerine g├Âre kendi ├Âzel kullan─▒m durumlar─▒ i├žin en uygun d─▒┼ča aktarma bi├žimini se├žmelerine yard─▒mc─▒ olabilir.

Benchmark ├ľrnekleri



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

Yorumlar