YOLO Model Eğitimi ve Testi

Bu doküman, Ultralytics YOLO kullanarak nesne tespiti modeli eğitmek için gereken adımları içerir.

1. Ortam Kurulumu

python -m venv yolovenv
yolovenv\Scripts\activate
pip install -U pip
pip install ultralytics

python -m venv yolovenv
source yolovenv/bin/activate
pip install -U pip
pip install ultralytics

Sanal ortam isteğe bağlı. İstersen direkt pip install ultralytics komutunu çalıştırabilirsin.

python -c "import torch; print(torch.cuda.is_available())"

True dönerse GPU kullanılabilir.

dataset/
 ├── images/
 │    ├── train/
 │    └── val/
 └── labels/
      ├── train/
      └── val/

Her .txt dosyasında:

class x_center y_center width height

Değerler 0–1 aralığında olmalı.

train: dataset/images/train
val: dataset/images/val
nc: 3
names: ['class0', 'class1', 'class2']

LabelImg veya Roboflow gibi araçlarla verileri etiketleyip .txt dosyalarını oluştur ya da halihazırda etiketlenmiş bir veri seti indir.

yolo task=detect mode=train data=data.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16

Eğitim tamamlandığında eğitim kayıtlıları,

runs/detect/train/weights/best.pt

dosyasına kaydedilir. Üst üste birden fazla eğitim olması durumunda runs/detect klasörü içerisinde train1 train2 ... şeklinde isimlendirilir.

yolo task=detect mode=val model=runs/detect/train/weights/best.pt data=data.yaml

yolo task=detect mode=predict model=runs/detect/train/weights/best.pt source=images/test.jpg

yolo task=detect mode=predict model=runs/detect/train/weights/best.pt source=0 show=True

show=True parametresi, kamera penceresi açarak canlı görüntüyü gösterir.

yolo export model=runs/detect/train/weights/best.pt format=ncnn

Desteklenen formatlar: onnx, tflite, torchscript, engine vb. ama biz raspide ncnn kullanıyoruz.

yolo task=detect mode=train data=data.yaml model=runs/detect/train/weights/last.pt epochs=50

Sorun	Çözüm
CUDA bulunamadı	PyTorch sürümünü ve CUDA kurulumunu kontrol et
Etiket hatası	`.txt` formatını ve `nc` değerini kontrol et
Düşük doğruluk	Daha fazla veri ekle ya da daha çok batch ile eğit

pip freeze > requirements.txt

Bu, sanal ortamda (env de) yüklü paketleri kaydeder.

İşte bu kadar :))