Veri Hazırlığı
Veri hazırlığı, başarılı bilgisayar görüşü modellerinin temelidir. Ultralytics Platform, eğitim verilerinizi yüklemeden açıklama eklemeye ve analize kadar yönetmek için kapsamlı araçlar sunar.
Genel Bakış
Ultralytics Platform'un Veri bölümü size şunlarda yardımcı olur:
- Yükleyin: görüntüleri, videoları ve arşivleri (ZIP, TAR, GZ)
- Manuel çizim araçları ve SAM destekli akıllı etiketleme ile Etiketleyin
- Verilerinizi istatistikler ve görselleştirmelerle analiz edin
- Yerel eğitim için NDJSON formatında dışa aktarın
İş Akışı
graph LR
A[Upload] --> B[Annotate]
B --> C[Analyze]
C --> D[Train]
style A fill:#4CAF50,color:#fff
style B fill:#2196F3,color:#fff
style C fill:#FF9800,color:#fff
style D fill:#9C27B0,color:#fff| Aşama | Açıklama |
|---|---|
| Yükle | Görüntüleri, videoları veya arşivleri otomatik işlemeyle içe aktarın |
| Açıklama Ekle | Verileri sınırlayıcı kutular, poligonlar, anahtar noktalar veya sınıflandırmalarla etiketleyin |
| Analiz Et | Sınıf dağılımlarını, uzamsal ısı haritalarını ve boyut istatistiklerini görüntüleyin |
| Dışa aktar | Çevrimdışı kullanım için NDJSON formatında indirin |
Desteklenen Görevler
Ultralytics Platform tüm 5 YOLO görev türünü destekler:
| Görev | Açıklama | Etiketleme Aracı |
|---|---|---|
| Tespit Et | Sınırlayıcı kutularla nesne algılama | Dikdörtgen aracı |
| Segment | Piksel maskeleriyle örnek segmentasyon | Poligon aracı |
| Poz | Anahtar nokta tahmini (17 noktalı COCO formatı) | Anahtar nokta aracı |
| OBB | Döndürülmüş nesneler için yönlendirilmiş sınırlayıcı kutular | Yönlendirilmiş kutu aracı |
| Sınıflandır | Görüntü seviyesi sınıflandırma | Sınıf seçici |
Görev Türü Seçimi
Görev türü, bir veri kümesi oluşturulurken belirlenir ve hangi açıklama araçlarının mevcut olduğunu belirler. Daha sonra veri kümesi ayarlarından değiştirebilirsiniz, ancak geçiş yaptıktan sonra uyumsuz açıklamalar görüntülenmeyecektir.
Temel Özellikler
Akıllı Depolama
Ultralytics Platformu, verimli veri yönetimi için İçerik Adreslenebilir Depolama (CAS) kullanır:
- Tekilleştirme: XXH3-128 hashleme yoluyla aynı görüntüler yalnızca bir kez depolanır.
- Bütünlük: Hash tabanlı adresleme, veri bütünlüğünü sağlar.
- Verimlilik: Optimize edilmiş depolama ve hızlı işleme
Veri Kümesi URI'leri
kullanarak referans veri kümeleri ul:// URI formatı (bkz. Platform Veri Kümelerini Kullanma):
yolo train data=ul://username/datasets/my-dataset
Bu, API anahtarınız yapılandırılmış herhangi bir makineden platformun veri kümeleri üzerinde eğitime olanak tanır.
Python'dan Platform Verilerini Kullanın
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)
Veri Kümesi Sekmeleri
Her veri kümesi sayfası beş sekme sunar:
| Sekme | Açıklama |
|---|---|
| Görüntüler | Ek açıklama katmanlarıyla ızgara, kompakt veya tablo görünümünde görüntülere göz atın |
| Sınıflar | Sınıf adlarını, renklerini ve sınıf başına etiket sayılarını görüntüleyin ve düzenleyin |
| Grafikler | Otomatik istatistikler: bölme dağılımı, sınıf sayıları, ısı haritaları |
| Modeller | Bu veri kümesi üzerinde eğitilmiş modeller, metrikleri ve durumları ile |
| Hatalar | Hata detayları ve düzeltme rehberliği ile işlenemeyen görüntüler |
İstatistikler ve Görselleştirme
Charts sekmesi aşağıdakiler dahil otomatik analizler sağlar:
- Bölme Dağılımı: Eğitim/doğrulama/test görüntüsü sayılarının halka grafiği
- En Sık Sınıflar: En sık kullanılan ek açıklama sınıflarının halka grafiği
- Görüntü Genişlikleri: Görüntü genişliği dağılımının histogramı
- Görüntü Yükseklikleri: Görüntü yüksekliği dağılımının histogramı
- Örnek Başına Noktalar: Poligon köşe veya anahtar nokta sayısı dağılımı (segment/poz veri kümeleri)
- Ek Açıklama Konumları: Sınırlayıcı kutu merkez konumlarının 2B ısı haritası
- Görüntü Boyutları: En boy oranı kılavuz çizgileriyle genişlik ve yüksekliğin 2B ısı haritası
Hızlı Bağlantılar
- Veri Kümeleri: Eğitim verilerinizi yükleyin ve yönetin
- Anotasyon: Manuel ve yapay zeka destekli araçlarla etiket verileri
SSS
Yükleme için hangi dosya formatları desteklenmektedir?
Ultralytics Platform şunları destekler:
Görüntüler: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (her biri maksimum 50MB)
Videolar: MP4, WebM, MOV, AVI, MKV, M4V (maks 1GB, kareler 1 FPS'de çıkarılır, maks 100 kare)
Arşivler: ZIP, TAR, TAR.GZ, TGZ, GZ (maksimum 10GB), isteğe bağlı YOLO-format etiketleri içeren görüntülerle birlikte
Maksimum veri kümesi boyutu nedir?
Depolama limitleri planınıza bağlıdır:
| Plan | Depolama Sınırı |
|---|---|
| Ücretsiz | 100 GB |
| Pro | 500 GB |
| Kurumsal | Özel |
Bireysel dosya limitleri: Görüntüler 50MB, Videolar 1GB, Arşivler 10GB
Platform veri kümelerimi yerel eğitim için kullanabilir miyim?
Evet! Yerel olarak eğitim yapmak için veri kümesi URI formatını kullanın:
export ULTRALYTICS_API_KEY="your_key"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100
import os
os.environ["ULTRALYTICS_API_KEY"] = "your_key"
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)
Veya veri kümenizi tamamen çevrimdışı eğitim için NDJSON formatında dışa aktarın.
