Kurumsal Müşteri Kontrol Listesi
Veri toplamadan önce tüm veri kümesi kararlarını kaydeden ve her yeniden eğitim öncesinde aşama koşullarını denetleyen, müşteriye sunulabilecek tek sayfalık bir başlangıç kontrol listesi.
Başarıyı tekrarlamak, ilk modeli oluşturmaktan daha zordur. Başarısız olan çoğu görüntü işleme projesinin kökeninde, başlangıç toplantısında kimsenin sormadığı bir soru vardır: model nerede çalışacak, başarı ne anlama geliyor ya da test kümesi gerçekten daha önce hiç görülmemiş miydi? Bu kontrol listesi, kursu müşterinin bir mühendisin çevirisine ihtiyaç duymadan doldurabileceği tek sayfalık bir biçime indirger; böylece yanıtlamanın hâlâ kolay olduğu bu sorular erkenden sorulur.
Uygulamalı
Başlangıç kontrol listesi#
Bunu proje deposuna veya vikisine kopyala. Her bölüm, mühendis olmayan birinin yanıtlayabileceği ifadelerle bu kurstaki bir derse karşılık gelir:
# Vision Project Kickoff Checklist
Project: ... Owner: ... Date: ...
## 1. What should the model do?
Business goal (one sentence, with a deadline): ...
Task: [ ] detect [ ] segment [ ] semantic [ ] classify [ ] pose [ ] OBB [ ] depth
Classes, each with a definition and a look-alike it excludes: ...
## 2. Where will the model run?
[ ] Cloud GPU [ ] Cloud CPU [ ] Edge device [ ] Mobile [ ] Browser
Latency target: ... ms Cameras / resolution: ...
## 3. What visual variation exists?
Times of day: ... Weather: ... Sites: ...
Cameras: ... Operators / shifts: ... Variants: ...
## 4. Which edge cases matter?
...
## 5. Do we have background images?
[ ] Yes, ...% of images (target 0-10%) [ ] No, collect first
## 6. Are labels consistent?
[ ] Labeling guide written [ ] Agreement measured: ...%
[ ] QC audit and suspect review run, notes attached
## 7. Did we check for leakage?
Split unit: [ ] clip [ ] camera [ ] day [ ] site [ ] customer
[ ] No group appears in more than one split
[ ] Every class appears in every split
## 8. Is the test set truly unseen?
[ ] Locked; used once for the final go/no-go
## 9. What defines success?
Acceptance test (metric, threshold, holdout): ...
Volume: [ ] >=1,500 images and >=10,000 instances per class
[ ] or documented exception with expected impact: ...
Ready to fine-tune YOLO26? [ ] Yes [ ] No, fix item ... firstHer bölümün projede koşul olduğu aşama#
| Aşama | Yanıtlanması gereken bölümler | Önlediği durum |
|---|---|---|
| Başlangıç toplantısı | 1, 2, 9 | Yanlış donanım için yanlış model oluşturmak |
| Veri toplamadan önce | 3, 4, 5 | Dağıtım koşullarını yansıtmayan veri toplamak |
| Etiketlemeden önce | 6 | Aynı şeyi üç farklı şekilde etiketlemek için ödeme yapmak |
| Eğitimden önce | 7, 8, hacim | Sızdırılmış veya gerçeği olduğundan iyi gösteren bir metriğe güvenmek |
| Her yeniden eğitimden önce | Tümü | Yeni verilerin, daha önce başarıyla geçen bir kontrolü fark ettirmeden bozması |
Başlangıç toplantısını yürütme#
Sayfayı yalnızca mühendislerle değil, iş sonucundan sorumlu kişiyle birlikte gözden geçir. Üç alışkanlık işe yarar:
- 9. bölüme zaman ayır. Kabul testi, gerçek anlaşmazlıkların ortaya çıktığı yerdir; test üzerinde anlaşmak için harcanan bir saat, modelin yeterince iyi olup olmadığını tartışarak geçecek haftaları kazandırır.
- "Bilmiyorum" yanıtını kabul et. Yanına bir sorumlu kişi ve tarih yaz. Yanıtsız maddeler, önümüzdeki iki haftanın proje planını oluşturur.
- 2. bölümü erkenden sor. Dağıtım hedefi, model boyutunu ve görüntü boyutunu sınırlar; bunlar da veri kümesinin kapsaması gereken en küçük nesne boyutunu belirler.
Değer, paydaşların 1, 3, 4 ve 9. bölümlere verdiği yanıtlardadır. Mühendisler bu bölümleri tahmin yürüterek doldurursa kontrol listesi uzlaşmaları değil varsayımları kaydeder. Toplantıyı planla ve henüz kimsenin yanıtı bilmediği alanları boş bırak.
Doldurulmuş kontrol listesini, kalite kontrol notları ve veri bölümü dosyalarının yanında, veri kümesiyle birlikte sakla. Aylar sonra biri modelin neden belirli bir şekilde davrandığını sorduğunda, yanıt genellikle bu sayfada başlar.
Artık yapabileceklerin#
Bir iş hedefini kabul testine dönüştürebilir, kotaları içeren bir veri kümesi spesifikasyonu yazabilir, her dosya adında üst veriler bulunan temsili veriler toplayabilir, tutarlı biçimde etiketleme yapıp etiketleyiciler arasındaki uyumu ölçebilir, kaliteyi betiklerle denetleyebilir, veri sızıntısı olmadan gruplara göre veri bölebilir, dağıtım koşullarına uygun veri artırma yöntemleri seçebilir, eğitim öncesi hazırlık kontrolü uygulayabilir ve bir temel model çalıştırmasını bir sonraki veri kümesi iyileştirmesine dönüştürebilirsin.

Sonraki adım#
- İlk YOLO modelini eğit: Özel Veri Kümesi Hazırlama bölümünde etiketleri dönüştür, ardından modeli eğit, doğrula ve dışa aktar.
- Ultralytics Platform ile geliştir: Düzenle, Yinelenenleri Kaldır ve Böl ile başlayarak aynı yaşam döngüsünü (anotasyon, düzenleme, bulut eğitimi, dağıtım, izleme) tek bir yerde yürüt.
- Üretimde Ultralytics YOLO: modeli dışa aktar, sun ve dağıtımdan sonra kaymayı izle.
- İnce ayar kılavuzu: varsayılan ayarlar yeterli olmadığında katmanları dondurma, iki aşamalı eğitim ve optimizer seçimi.
Çözümü göster
1. dersteki depo projesi için doldurulmuş bir başlangıç kontrol listesi:
Project: dock-safety-v1 Owner: site operations lead Date: 2026-05-02
1. Goal: cut dock-door near misses 30% in six months. Task: [x] detect
Classes: forklift (excludes hand pallet jacks), person (excludes reflections),
pallet (excludes crates without a pallet base)
2. [x] Edge device Latency: <= 100 ms Cameras: 4 x 1080p, 12 fps
3. Day and night shifts; rain at bays B-C; sites: dock A only for v1
4. People behind stacked pallets; forklifts half out of frame at bay edges
5. [ ] No: collect 150 empty-dock frames (owner: shift lead, by 2026-05-16)
6. [ ] Guide written [ ] Agreement measured -> owner: annotation lead, by 2026-05-23
7. Split unit: [x] camera + day
8. [x] Locked: cam-4, 2026-06-01 to 2026-06-07, never used for tuning
9. Recall(person) >= 0.95 at precision >= 0.85 on the locked cam-4 week
Volume: [ ] exception: pallet target 2,000 instances for v1; expect lower
pallet recall in crowded bays
Ready to fine-tune YOLO26? [ ] No, fix items 5 and 6 firstİki "bilmiyorum" yanıtı tarihli eylemlere dönüştü, uç cihaz hedefi gecikme sınırını belirledi ve sabitlenen test haftası kabul testini somutlaştırıyor.