Veri Kümeleri

Ultralytics veri kümeleri, eğitim verilerinizi yönetmek için kolaylaştırılmış bir çözüm sunar. Yükleme işlemi tamamlandıktan sonra, veri kümeleri otomatik işleme ve istatistik oluşturma özellikleri ile model eğitimi için hemen kullanılabilir.

İzle: Ultralytics Platformuna Veri Setlerini Yükleyin

Veri Kümesi Yükleme

Ultralytics esneklik için birden fazla yükleme formatını kabul eder:

Video Kare Çıkarma

Video yüklerken, kareler otomatik olarak çıkarılır:

• Kare hızı: saniyede yaklaşık 1 kare
• Maksimum kare sayısı: Video başına 100 kare
• İşleme: Yüklemeden önce istemci tarafında ayıklama
• Biçim: Çerçeveler standart görüntü biçimine dönüştürülmüştür.

Bu, güvenlik kamerası görüntüleri, aksiyon kayıtları veya herhangi bir video kaynağından eğitim veri kümeleri oluşturmak için idealdir.

Veri Setinizi Hazırlama

Etiketli veri kümeleri için standart YOLO kullanın:

my-dataset/
├── images/
│   ├── train/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── val/
│       ├── img003.jpg
│       └── img004.jpg
├── labels/
│   ├── train/
│   │   ├── img001.txt
│   │   └── img002.txt
│   └── val/
│       ├── img003.txt
│       └── img004.txt
└── data.yaml

YAML dosyası veri kümesi yapılandırmanızı tanımlar:

# data.yaml
path: .
train: images/train
val: images/val

names:
    0: person
    1: car
    2: dog

Yükleme Süreci

1. Kenar çubuğunda Veri Kümelerine gidin
2. Veri Setini Yükle'yi tıklayın veya dosyaları yükleme alanına sürükleyin.
3. Görev türünü seçin (detect, segment, poz, OBB, classify)
4. Bir isim ve isteğe bağlı açıklama ekleyin
5. Yükle'yi tıklayın

Yükleme işleminden sonra, Platform verilerinizi işler:

1. Normalleştirme: Büyük resimler yeniden boyutlandırıldı (maks. 4096 piksel)
2. Küçük resimler: 256 piksel önizlemeler oluşturuldu
3. Etiket Ayrıştırma: YOLO etiketler çıkarıldı
4. İstatistikler: Sınıf dağılımları hesaplandı

from ultralytics.hub import check_dataset

check_dataset("path/to/dataset.zip", task="detect")

Görüntüleri Gözat

Veri seti resimlerinizi birden fazla düzenle görüntüleyin:

Tam Ekran Görüntüleyici

Herhangi bir resme tıklayarak tam ekran görüntüleyiciyi açabilirsiniz:

• Gezinme: Ok tuşları veya tıklayarak göz atın
• Meta veriler: Dosya adı, boyutlar, bölünme, etiket sayısı
• Açıklamalar: Açıklama görünürlüğünü değiştir
• Sınıf Dağılımı: Sınıf başına etiket sayısı

Bölünme ile filtrele

Görüntüleri veri kümesi bölünmesine göre filtreleyin:

Veri Kümesi İstatistikleri

İstatistikler sekmesi, veri kümenizin otomatik analizini sağlar:

sınıf Dağıtım

Sınıf başına açıklama sayısını gösteren çubuk grafik:

Konum Isı Haritası

Görüntülerde açıklamaların nerede göründüğünün görselleştirilmesi:

Boyut Analizi

Görüntü boyutlarının dağılım grafiği (genişlik ve yükseklik):

Veri Setini Dışa Aktar

Çevrimdışı kullanım için veri setinizi NDJSON formatında dışa aktarın:

1. Veri kümesi eylemleri menüsünü açın
2. Dışa Aktar'ı tıklayın
3. NDJSON dosyasını indirin

NDJSON formatı, her satırda bir JSON nesnesi depolar:

{"filename": "img001.jpg", "split": "train", "labels": [...]}
{"filename": "img002.jpg", "split": "train", "labels": [...]}

Tam özellikler için Ultralytics formatı belgelerine bakın.

Veri kümesi URI'si

Referans Platform veri kümelerini kullanarak ul:// URI biçimi:

ul://username/datasets/dataset-slug

Bu URI'yi kullanarak her yerden modellerinizi eğitebilirsiniz:

export ULTRALYTICS_API_KEY="your_api_key"
yolo train model=yolo11n.pt data=ul://username/datasets/my-dataset epochs=100

Görünürlük Ayarları

Veri setinizi kimlerin görebileceğini kontrol edin:

Görünürlüğü değiştirmek için:

1. Veri kümesi eylemleri menüsünü aç
2. Düzenle'yi tıklayın
3. Görünürlük ayarını değiştir
4. Kaydet'i tıklayın

Veri Kümesini Düzenle

Veri kümesinin adını, açıklamasını veya görünürlüğünü güncelleyin:

1. Veri kümesi eylemleri menüsünü aç
2. Düzenle'yi tıklayın
3. Değişiklikler yapın
4. Kaydet'i tıklayın

Veri Kümesini Sil

Artık ihtiyacınız olmayan bir veri kümesini silin:

1. Veri kümesi eylemleri menüsünü aç
2. Sil'i tıklayın
3. Silmeyi onayla

Veri Kümesi Üzerinde Eğitim

Verilerinizden doğrudan eğitime başlayın:

1. Veri kümesi sayfasında Tren Modeli'ni tıklayın.
2. Bir proje seçin veya yeni bir proje oluşturun
3. Eğitim parametrelerini yapılandırın
4. Eğitime başla

Ayrıntılar için Bulut Eğitimi bölümüne bakın.

SSS

Yükleme işleminden sonra verilerime ne olur?

Verileriniz seçtiğiniz bölgede (ABD, AB veya AP) işlenir ve saklanır. Görüntüler:

1. Biçim ve boyut açısından onaylandı
2. 4096 pikselden büyükse normalleştirilir (en boy oranı korunur)
3. SHA-256 karma ile İçerik Adreslenebilir Depolama (CAS) kullanılarak depolanır
4. Hızlı gezinme için 256 pikselde oluşturulan küçük resimler
5. İzniniz olmadan asla paylaşılmaz

Depolama nasıl çalışır?

Ultralytics , verimli depolama için İçerik Adreslenebilir Depolama (CAS) kullanır:

• Tekilleştirme: Farklı kullanıcılar tarafından yüklenen aynı görüntüler yalnızca bir kez depolanır.
• Bütünlük: SHA-256 karma işlemi veri bütünlüğünü sağlar.
• Verimlilik: Depolama maliyetlerini azaltır ve işleme hızını artırır
• Bölgesel: Veriler seçtiğiniz bölgede (ABD, AB veya AP) kalır.

Mevcut veri setine resim ekleyebilir miyim?

Evet, veri kümesi sayfasındaki Görüntü Ekle düğmesini kullanarak ek görüntüler yükleyebilirsiniz. Yeni istatistikler otomatik olarak hesaplanacaktır.

Görüntüleri veri kümeleri arasında nasıl taşıyabilirim?

Toplu seçim özelliğini kullanın:

1. Galerideki resimleri seçin
2. Taşı veya Kopyala'yı tıklayın
3. Hedef veri kümesini seçin

Hangi etiket formatları desteklenmektedir?

Ultralytics , YOLO etiketleri destekler:

• Tespit Et: class_id x_center y_center width height
• Segment: class_id x1 y1 x2 y2 ... (çokgen noktaları)
• Poz: class_id x_center y_center width height kp1_x kp1_y kp1_v ...
• OBB: class_id x1 y1 x2 y2 x3 y3 x4 y4

Tüm koordinatlar normalleştirilmiştir (0-1 aralığı).

📅 0 gün önce oluşturuldu ✏️ 0 gün önce güncellendi

Yorumlar