Maskeler, kilit noktalar, döndürülmüş kutular ve sınıf etiketleri — etiketlenir, eğitilir, sayılara dönüştürülür ve kullanıma alınır

Uygulayıcı öğrenme yoluorta düzey ~5 saat 10 dersFinal sınavı · Sertifika

Algılamanın Ötesi: Segmentasyon, Poz, OBB ve Sınıflandırma

Bir algılayıcıyı eğitebiliyorsun. Ultralytics YOLO yedi görsel görevi destekliyor; bu kurs, etiket biçimi ve eğitimden kodda sonuçları okumaya, modelleri zincirleme çalıştırmaya ve göreve özel değerlendirme ile dışa aktarmaya kadar, algılamadan sonra en sık karşılaşacağın beş görevi öğretiyor: örnek ve anlamsal segmentasyon, poz, yönlendirilmiş sınırlayıcı kutular ve sınıflandırma. Yedinci görev olan derinlik tahmini, görev planının yanı sıra değerlendirme ve dışa aktarma derslerinde de ele alınıyor.

Hazırlayan Ultralytics Academy

Kursa başla İlerlemeni kaydetmek için giriş yap

Neler öğreneceksin

Bir ürün sorusuna uygun Ultralytics YOLO26 görevini seç; ardından segmentasyon, anlamsal segmentasyon, poz, OBB ve sınıflandırma modellerini etiketle, eğit, sonuçlarını oku, değerlendir ve dışa aktar. Sonra bu modelleri, bir algılayıcının yanıtlayamayacağı soruları yanıtlayan işlem hatlarında zincirleme çalıştır.

Bir ürün sorusunu yedi Ultralytics YOLO görevinden birine, o görevin ağırlıklarına, sonuç alanına ve eşik metriğine eşleştir.
Eğitimden önce çokgen, PNG sınıf haritası, kilit noktası, dört köşeli OBB ve klasör düzeni veri kümeleri oluşturup kontrol et.
-seg, -sem, -pose, -obb ve -cls modellerini eğit ve mask mAP, mIoU, OKS tabanlı pose mAP, döndürülmüş kutu mAP ve top-1 doğruluğu değerlerini oku.
Tahminleri kararlara dönüştür: maske alanları ve örtüşmeleri, sınıf haritası kapsamı, eklem açıları, gemi başlıkları ve güven skoruna göre yönlendirilen etiketler.
Görevleri zincirle (önce tespit, sonra sınıflandırma; pose ve takip), maliyetlerini sabit tut ve her görevi doğrulanmış bir tahminle ONNX biçimine aktar.

Neler geliştireceksin

Bir işlem hattındaki her model için görevi, ağırlıkları, etiket biçimini, sonuç alanını ve eşik metriğini belirten bir görev planı.
GPU saati harcanmadan önce biçimi bozuk satırları yakalayan segmentasyon ve pose veri kümelerine yönelik etiket denetleyicileri.
Segmentasyon, anlamsal segmentasyon, pose, OBB ve sınıflandırma için, her metriğin açıklandığı birer dönemlik eğitim çalıştırmaları.
Gerçek tahminlerden maske alanı ve örtüşmesini, yürünebilir yüzeyleri, dirsek ve diz açılarını ve gemi eksenlerini ölçen komut dosyaları.
Takip edilen her kişiyi yalnızca bir kez sınıflandıran bir iki aşamalı işlem hattı ve her biri bir tahminle doğrulanmış tüm görevlerin ONNX aktarımları.

Ön koşullar

İlk YOLO modelini eğit içeriğini tamamla — bu kurs, bir dedektörle eğitim, doğrulama ve tahmin yapabildiğini varsayar.
Python ve NumPy dizilerini rahatça kullanabilmek.
GPU faydalıdır ama gerekli değildir: tüm örnekler bir dizüstü bilgisayarın CPU'sunda epochs=1 ile ve küçük bir imgsz üzerinde çalışır.

Kurs içeriği

4 modül · 10 ders

Modül 1

Plan

Görevi Seç ve İşlem Hattını Planla

Her ürün sorusunu yedi Ultralytics YOLO görevinden biriyle eşleştir; ağırlıklarını, sonuç alanını, etiket biçimini ve eşik metriğini belirle ve her görevi tek bir görüntüde çalıştırarak planı doğrula.

Modül 2

Segmentasyon

Örnek Segmentasyonunu Etiketleme ve Eğitme

Poligon etiketleri oluştur, kodda kontrol et, COCO8-seg üzerinde yolo26n-seg.pt modelini eğit ve kutu ile maske metrikleri arasındaki farktan modelin durumunu değerlendir.

Kodda Maskeleri Kullanma: Alan, Örtüşme, Konturlar, Kesitler

masks.data ve masks.xy değerlerini doğru oku, nesne alanını ve doluluk oranını ölç, kutular yerine maskelerle örtüşmeyi test et ve nesneleri kareden kesip çıkar.

Anlamsal Segmentasyon: Her Piksele Etiket Ver

yolo26n-sem.pt ile piksel başına bir sınıf haritası tahmin et, bunu kapsama değerlerine dönüştür, PNG sınıf haritası veri kümeleri oluştur ve piksel doğruluğuna aldanmadan mIoU değerini yorumla.

Modül 3

Poz ve OBB

Poz Modellerini Etiketle ve Eğit

Görünürlük bilgisiyle anahtar nokta etiketleri oluştur, kpt_shape ve flip_idx değerlerini doğru ayarla, COCO8-pose üzerinde eğitim yap ve anahtar noktaları güven eşiğine bağlı eklem açılarına dönüştür.

Özel Anahtar Noktalar ve OKS Metrikleri

İnsan dışı nesneler için bir anahtar nokta şeması tasarla, veri kümesi YAML dosyasını yazıp denetle ve her noktanın ne kadar hassas yerleştirilebildiğine göre OKS sigmalarını belirle.

Döndürülmüş Nesneler için Yönlendirilmiş Sınırlayıcı Kutular

Dört köşeli OBB'leri etiketle, DOTA8 üzerinde yolo26n-obb.pt eğit ve xywhr tahminlerini açı kurallarına takılmadan kararlı bir yönelim eksenine dönüştür.

Modül 4

Sınıflandır, Birleştir, Gönder

Bir Görüntü Sınıflandırıcısı Eğit

Klasör tabanlı bir veri kümesi düzenle, MNIST160 üzerinde yolo26n-cls.pt modelini eğit, olasılıkları ve top-1 doğruluğunu oku, düşük güvenli tahminleri insan incelemesine yönlendir.

Görevleri Tek Bir İşlem Hattında Birleştir

Tespit edip ardından sınıflandırma yapan bir ardışık düzen kur, izlenen her nesneyi her karede değil yalnızca bir kez sınıflandır ve poz anahtar noktalarını kişi başına zaman serilerine dönüştür.

Her Görevi Değerlendir ve Dağıtıma Al

Her görevi kendi metriğine ve dağıtım boyutuna göre değerlendir, tüm görevleri tek bir döngüde doğrula ve her görevi doğrulanmış bir tahminle ONNX'e aktar.

Get Started

Algılamanın Ötesi: Segmentasyon, Poz, OBB ve Sınıflandırma

Kurs içeriği