تدريب مصنّف صور

هيكل مجموعة البيانات المعتمدة على المجلدات#

مجموعات بيانات التصنيف عبارة عن مجلدات، لا ملفات YAML. وجّه data= إلى المجلد الجذر:

parts/
├── train/
│   ├── good/      img_0001.jpg ...
│   ├── scratch/   img_0412.jpg ...
│   └── dent/      img_0733.jpg ...
└── val/
    ├── good/
    ├── scratch/
    └── dent/

إليك ما يفعله المحمّل بها، وفقًا للمصدر المثبت ودليل مجموعة بيانات التصنيف:

على منصة Ultralytics، تحتوي مجموعة بيانات التصنيف على تسمية واحدة على مستوى الصورة لكل صورة بدلًا من الأشكال:

التدريب على MNIST160#

تتضمن MNIST160 160 رقمًا مكتوبًا بخط اليد، 80 في train/ و80 في test/، مقسمة كل مجموعة منها إلى عشرة مجلدات للأرقام — وهي صغيرة بما يكفي لاختبار دخاني على CPU. ولا تحتوي على مجلد val/، لذا راقب تحذير المحمّل عند عودته إلى test/:

from ultralytics import YOLO

model = YOLO("yolo26n-cls.pt")
model.train(data="mnist160", epochs=1, imgsz=64, device="cpu")
metrics = model.val()
print(f"top-1: {metrics.top1:.3f}  top-5: {metrics.top5:.3f}")

WARNING ⚠️ Dataset 'split=val' not found, using 'split=test' instead.
val: .../datasets/mnist160/test... found 80 images in 10 classes ✅
                   all      0.162      0.463
top-1: 0.162  top-5: 0.463

لا يحقق عصر واحد تحسنًا يُذكر في الرأس الجديد ذي الفئات العشر. في تجربتنا، بلغ epochs=10 دقة أفضل فئة قدرها 0.55 ودقة أفضل خمس فئات قدرها 0.95 خلال نحو عشر ثوانٍ على CPU حاسوب محمول — حلقة التدريب تعمل، لكنها تحتاج إلى جدول تدريب. يسرد دليل مهمة التصنيف أحجام النماذج المدربة مسبقًا.

أفضل فئة هي نسبة الصور التي تكون فيها الفئة الأعلى احتمالًا صحيحة. أما أفضل خمس فئات فتحسب النتيجة إصابةً إذا كانت الفئة الصحيحة ضمن الفئات الخمس الأعلى. وتفيد دقة أفضل خمس فئات في ImageNet ذات الفئات الألف، التي تتدرج فئاتها من العامة إلى شديدة التخصص؛ أما إذا كان عدد الفئات خمسًا أو أقل فتكون الدقة دائمًا 1.0، وإذا كان العدد عشرة فهي متساهلة. اعتمد على الدقة لأفضل فئة، إلى جانب مصفوفة الالتباس لكل فئة.

قراءة الاحتمالات في الكود#

from ultralytics import YOLO

model = YOLO("yolo26n-cls.pt")  # ImageNet, 1,000 classes
result = model("https://ultralytics.com/images/bus.jpg")[0]

probs = result.probs
print(f"top-1: {result.names[probs.top1]} ({float(probs.top1conf):.2f})")
for i, conf in zip(probs.top5, probs.top5conf.tolist()):
    print(f"  {result.names[i]:20s} {conf:.3f}")

top-1: minibus (0.52)
  minibus              0.516
  police_van           0.369
  trolleybus           0.096
  minivan              0.006
  ambulance            0.003

probs.top1 فهرس، وprobs.top5 قائمة فهارس، وprobs.data متجه الاحتمالات الكامل. لاحظ ثقة أفضل فئة: 0.52، وهي بالكاد تتجاوز احتمالًا متساويًا بين minibus وpolice_van. هذه هي القيمة التي تستخدمها للتوجيه.

توجيه التنبؤات غير المؤكدة إلى شخص#

نادرًا ما يحتاج المصنّف في بيئة الإنتاج إلى أن يصيب في كل صورة؛ بل يحتاج إلى أن يصيب في الصور التي يقرر بشأنها بمفرده. يدرّب هذا السكربت النموذج لعشرة عصور، ثم يقيس أثر عتبات الثقة المختلفة على الأرقام الثمانين المحجوزة للاختبار:

from pathlib import Path

from ultralytics import YOLO

model = YOLO("yolo26n-cls.pt")
model.train(data="mnist160", epochs=10, imgsz=64, device="cpu", plots=False)  # model now holds best.pt
print(model.names)  # folder names, sorted, became class indices

test = Path(model.trainer.data["test"])  # mnist160/test, the split the loader validated on
images = sorted(test.rglob("*.png"))
results = model(images, imgsz=64, verbose=False)
truth = [p.parent.name for p in images]

for threshold in (0.0, 0.3, 0.6):
    kept = [(r, t) for r, t in zip(results, truth) if r.probs.top1conf >= threshold]
    correct = sum(r.names[r.probs.top1] == t for r, t in kept)
    print(f"threshold {threshold:.1f}: auto-accept {len(kept):2d}/{len(images)}, accuracy on accepted {correct / max(len(kept), 1):.0%}")

{0: '0', 1: '1', 2: '2', 3: '3', 4: '4', 5: '5', 6: '6', 7: '7', 8: '8', 9: '9'}
threshold 0.0: auto-accept 80/80, accuracy on accepted 55%
threshold 0.3: auto-accept 41/80, accuracy on accepted 68%
threshold 0.6: auto-accept 10/80, accuracy on accepted 80%

يمثل كل صف مقايضة: رفع العتبة يجعل التنبؤات المقبولة أدق، ويُحيل مزيدًا من الصور إلى شخص لمراجعتها. عند 0.6، لا يقرر هذا النموذج بمفرده إلا في 10 من أصل 80 رقمًا — لذا فهو غير جاهز لأتمتة أي شيء، والحل هو مزيد من التدريب، لا عتبة أذكى. أعد تشغيل الجدول نفسه بعد كل جولة تدريب: فهو يوضح لك الدقة التي ستحصل عليها ومقدار عمل المراجعة الذي ستسببه كل عتبة بالتحديد.

مواطن الخلل#

تُدرّب المصنّفات مسبقًا على imgsz=224، لا على 640. وتناسب الأجسام الصغيرة داخل إطار كبير طريقة الكشف ثم التصنيف (الدرس التالي) أكثر من استخدام imgsz أكبر.