─░├žeri─če ge├ž

G├Âr├╝nt├╝ S─▒n─▒fland─▒rma

G├Âr├╝nt├╝ s─▒n─▒fland─▒rma ├Ârnekleri

G├Âr├╝nt├╝ s─▒n─▒fland─▒rma, ├╝├ž g├Ârevden en basit olan─▒d─▒r ve t├╝m bir g├Âr├╝nt├╝n├╝n ├Ânceden tan─▒mlanm─▒┼č bir dizi s─▒n─▒ftan birine s─▒n─▒fland─▒r─▒lmas─▒n─▒ i├žerir.

Bir g├Âr├╝nt├╝ s─▒n─▒fland─▒r─▒c─▒n─▒n ├ž─▒kt─▒s─▒ tek bir s─▒n─▒f etiketi ve bir g├╝ven puan─▒d─▒r. G├Âr├╝nt├╝ s─▒n─▒fland─▒rma, bir g├Âr├╝nt├╝n├╝n yaln─▒zca hangi s─▒n─▒fa ait oldu─čunu bilmeniz gerekti─činde ve bu s─▒n─▒ftaki nesnelerin nerede bulundu─čunu veya tam ┼čekillerinin ne oldu─čunu bilmeniz gerekmedi─činde kullan─▒┼čl─▒d─▒r.



─░zle: Ultralytics YOLO G├Ârevlerini ke┼čfedin: Ultralytics HUB kullanarak G├Âr├╝nt├╝ S─▒n─▒fland─▒rma

─░pucu

YOLOv8 S─▒n─▒fland─▒rma modelleri -cls son ek, yani yolov8n-cls.pt ve ├Ânceden e─čitilmi┼č ImageNet.

Modeller

YOLOv8 ├Ân e─čitimli Classify modelleri burada g├Âsterilmektedir. Detect, Segment ve Pose modelleri COCO veri k├╝mesi ├╝zerinde, Classify modelleri ise ImageNet veri k├╝mesi ├╝zerinde ├Ân e─čitime tabi tutulmu┼čtur.

Modeller ilk kullan─▒mda en son Ultralytics s├╝r├╝m├╝nden otomatik olarak indirilir.

Model boyut
(piksel)
acc
top1
acc
top5
H─▒z
CPU ONNX
(ms)
H─▒z
A100 TensorRT
(ms)
params
(M)
FLOPs
(B) 640'da
YOLOv8n-cls 224 69.0 88.3 12.9 0.31 2.7 4.3
YOLOv8s-cls 224 73.8 91.7 23.4 0.35 6.4 13.5
YOLOv8m-cls 224 76.8 93.5 85.4 0.62 17.0 42.7
YOLOv8l-cls 224 76.8 93.5 163.0 0.87 37.5 99.7
YOLOv8x-cls 224 79.0 94.6 232.0 1.01 57.4 154.8
  • acc de─čerleri model do─čruluklar─▒d─▒r. ImageNet veri k├╝mesi do─črulama seti.
    Taraf─▒ndan ├žo─čalt─▒n yolo val classify data=path/to/ImageNet device=0
  • H─▒z kullanarak ImageNet val g├Âr├╝nt├╝leri ├╝zerinde ortalama Amazon EC2 P4d ├Ârnek.
    Taraf─▒ndan ├žo─čalt─▒n yolo val classify data=path/to/ImageNet batch=1 device=0|cpu

Tren

G├Âr├╝nt├╝ boyutu 64'te 100 epok i├žin MNIST160 veri k├╝mesi ├╝zerinde YOLOv8n-cls'yi e─čitin. Kullan─▒labilir ba─č─▒ms─▒z de─či┼čkenlerin tam listesi i├žin Yap─▒land─▒rma sayfas─▒na bak─▒n.

├ľrnek

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-cls.yaml")  # build a new model from YAML
model = YOLO("yolov8n-cls.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolov8n-cls.yaml").load("yolov8n-cls.pt")  # build from YAML and transfer weights

# Train the model
results = model.train(data="mnist160", epochs=100, imgsz=64)
# Build a new model from YAML and start training from scratch
yolo classify train data=mnist160 model=yolov8n-cls.yaml epochs=100 imgsz=64

# Start training from a pretrained *.pt model
yolo classify train data=mnist160 model=yolov8n-cls.pt epochs=100 imgsz=64

# Build a new model from YAML, transfer pretrained weights to it and start training
yolo classify train data=mnist160 model=yolov8n-cls.yaml pretrained=yolov8n-cls.pt epochs=100 imgsz=64

Veri k├╝mesi format─▒

YOLO s─▒n─▒fland─▒rma veri k├╝mesi format─▒ ayr─▒nt─▒l─▒ olarak Veri K├╝mesi K─▒lavuzunda bulunabilir.

Val

MNIST160 veri k├╝mesi ├╝zerinde e─čitilmi┼č YOLOv8n-cls model do─črulu─čunu do─črulay─▒n. Herhangi bir arg├╝man ge├žilmesine gerek yoktur. model e─čitimini s├╝rd├╝r├╝r data ve model ├Âznitelikleri olarak arg├╝manlar.

├ľrnek

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-cls.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Validate the model
metrics = model.val()  # no arguments needed, dataset and settings remembered
metrics.top1  # top1 accuracy
metrics.top5  # top5 accuracy
yolo classify val model=yolov8n-cls.pt  # val official model
yolo classify val model=path/to/best.pt  # val custom model

Tahmin Et

G├Âr├╝nt├╝ler ├╝zerinde tahminleri ├žal─▒┼čt─▒rmak i├žin e─čitilmi┼č bir YOLOv8n-cls modeli kullan─▒n.

├ľrnek

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-cls.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Predict with the model
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
yolo classify predict model=yolov8n-cls.pt source='https://ultralytics.com/images/bus.jpg'  # predict with official model
yolo classify predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'  # predict with custom model

Tamam─▒ g├Âr├╝n predict modunun ayr─▒nt─▒lar─▒ Tahmin Et Sayfa.

─░hracat

Bir YOLOv8n-cls modelini ONNX, CoreML, vb. gibi farkl─▒ bir formata aktar─▒n.

├ľrnek

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-cls.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom trained model

# Export the model
model.export(format="onnx")
yolo export model=yolov8n-cls.pt format=onnx  # export official model
yolo export model=path/to/best.pt format=onnx  # export custom trained model

Kullan─▒labilir YOLOv8-cls d─▒┼ča aktarma bi├žimleri a┼ča─č─▒daki tabloda yer almaktad─▒r. kullanarak herhangi bir formata d─▒┼ča aktarabilirsiniz. format arg├╝man─▒, yani format='onnx' veya format='engine'. Do─črudan d─▒┼ča aktar─▒lan modeller ├╝zerinde tahmin veya do─črulama yapabilirsiniz, ├Ârn. yolo predict model=yolov8n-cls.onnx. D─▒┼ča aktarma tamamland─▒ktan sonra modeliniz i├žin kullan─▒m ├Ârnekleri g├Âsterilir.

Bi├žim format Tart─▒┼čma Model Metadata Arg├╝manlar
PyTorch - yolov8n-cls.pt Ôťů -
TorchScript torchscript yolov8n-cls.torchscript Ôťů imgsz, optimize, batch
ONNX onnx yolov8n-cls.onnx Ôťů imgsz, half, dynamic, simplify, opset, batch
OpenVINO openvino yolov8n-cls_openvino_model/ Ôťů imgsz, half, int8, batch
TensorRT engine yolov8n-cls.engine Ôťů imgsz, half, dynamic, simplify, workspace, int8, batch
CoreML coreml yolov8n-cls.mlpackage Ôťů imgsz, half, int8, nms, batch
TF SavedModel saved_model yolov8n-cls_saved_model/ Ôťů imgsz, keras, int8, batch
TF GraphDef pb yolov8n-cls.pb ÔŁî imgsz, batch
TF Lite tflite yolov8n-cls.tflite Ôťů imgsz, half, int8, batch
TF Kenar TPU edgetpu yolov8n-cls_edgetpu.tflite Ôťů imgsz
TF.js tfjs yolov8n-cls_web_model/ Ôťů imgsz, half, int8, batch
PaddlePaddle paddle yolov8n-cls_paddle_model/ Ôťů imgsz, batch
NCNN ncnn yolov8n-cls_ncnn_model/ Ôťů imgsz, half, batch

Tamam─▒ g├Âr├╝n export detaylar ─░hracat Sayfa.



Created 2023-11-12, Updated 2024-06-10
Authors: glenn-jocher (16), Burhan-Q (4), RizwanMunawar (2), fcakyon (1), Laughing-q (1)

Yorumlar