computer-vision yolov11-model-egitimi

Negatif Örnekler

Nesne içermeyen görüntüleri boş .txt dosyaları ile modele vermek, modelin nesne içermeyen background'u öğrenmesine yarayabilir. Bu sebeple nesne içermeyen görüntüler veri setlerine dahil edilmelidir. Toplam verinin %10-20 arasında olması önerilir.

Mosaic Veri Artırımı

Ultralytics YOLO otomatik olarak eğitim sürecinde bir veri artırım tekniği kullanır ve bunun genel adı mosaic'tir. Birkaç (genelde 4) görüntü (model giriş boyutunda) 2x2 olarak harita haline getirilir, ardından bu görüntüden giriş boyutunda bir dilim alınır. Ve bu dilim ve nesneler ile model eğitilir, modelin genelleştirmesine katkı sağlar. Bu alt görsellerde bazı veri artırım teknikleri uygulanır. - YOLO'ya veri arıtım parametreleri hyp=params.yaml olarak tanıtılabilir. Bu yaml dosyasında bulunabilicek veri artırım parametreleri şuna benzer:

mosaic: 1.0
mixup: 0.5
hsv_h: 0.015
hsv_s: 0.7
hsv_v: 0.4
degrees: 10.0
translate: 0.1
scale: 0.5
close_mosaic: 20

terminal Overriding hyperparameters with custom_hyp.yaml Yazıyorsa dosya algılanmıştır.

mixup

• Tanım: İki görüntüyü ve etiketlerini üst üste karıştırır.
• Ne işe yarar: Nesneleri kısmen şeffaflaştırarak modelin genelleme kabiliyetini artırır.
• Örnek: Bir taşıt ve bir insan aynı karede yarı yarıya birbirine karışır gibi görünür.
• Değeri: 0.5 → %50 ihtimalle uygulanır.

hsv_h

• Tanım: Görüntünün Hue (renk tonu) kanalına rastgele değişim uygular.
• Ne işe yarar: Modelin farklı ışık koşullarına uyumunu artırır.
• Örnek: Sarı bir araba hafif turuncuya kayabilir.
• Değeri: 0.015 → %1.5 civarında hue kayması yapılır.

hsv_s

• Tanım: Görüntünün Saturation (doygunluk) kanalına değişim uygular.
• Ne işe yarar: Daha soluk veya daha canlı renklerde eğitim yapmayı sağlar.
• Örnek: Canlı kırmızı bir araç daha soluk kırmızıya dönebilir.
• Değeri: 0.7 → %70 oranında saturasyon jitter uygulanabilir.

hsv_v

• Tanım: Görüntünün Value (parlaklık) kanalına değişim uygular.
• Ne işe yarar: Farklı aydınlatma koşullarına karşı dayanıklılık kazandırır.
• Örnek: Gündüz çekilmiş bir sahne biraz gece efekti gibi karartılabilir.
• Değeri: 0.4 → %40 oranında parlaklık jitter olabilir.

degrees

• Tanım: Görüntüyü rastgele döndürme derecesi.
• Ne işe yarar: Farklı açılarda görünüm çeşitliliği yaratır.
• Örnek: Bir insan 5° sağa yatık ya da sola kayık olabilir.
• Değeri: 10.0 → -10° ile +10° arası rastgele döndürür.

translate

• Tanım: Görüntüyü x ve y eksenlerinde kaydırır.
• Ne işe yarar: Nesnelerin görüntü içindeki konum çeşitliliğini artırır.
• Örnek: Bir taşıt sağa veya sola %10 kadar kaydırılabilir.
• Değeri: 0.1 → %10 oranında yatay/dikey kayma yapılır.

scale

• Tanım: Görüntünün boyutunu rastgele ölçeklendirir (zoom in/zoom out).
• Ne işe yarar: Nesnelerin küçük/büyük varyasyonlarına alışmayı sağlar.
• Örnek: Bir insan görüntüde biraz daha büyük veya daha küçük görünebilir.
• Değeri: 0.5 → %50 oranında ölçek değişimi yapılabilir.

close_mosaic

• Tanım: Eğitimin son kaç epoch'unda Mosaic kapatılacak.
• Ne işe yarar: Son aşamada veri artırımı kaldırılır, model saf (gerçekçi) verilerle stabil eğitilir.
• Örnek: 200 epoch eğitimde close_mosaic=20 ise, son 20 epoch normal görüntülerle devam edilir.
• Değeri: 20 → Son 20 epoch’ta Mosaic devre dışı.