# Augment Dataset
Veri artırma (augmentation), mevcut etiketli görüntülerinize kontrollü dönüşümler uygulayarak yeni eğitim görüntüleri oluşturur ve bounding box'ların hizasını korur.
Doğru kullanıldığında augmentation, modelinizin yeni görüntülerde iyi genelleme yapmasına yardımcı olur. Yanlış kullanıldığında ise modeli gerçekçi olmayan kalıplara alıştırıp eğitimi kötüleştirebilir.
***
## ⚖️ Augmentation Nedir (ve Değildir)
| **Augmentation NEDİR...** | **Augmentation DEĞİLDİR...** |
| --------------------------------------------------------------------- | ---------------------------------------------------------------- |
| Aydınlatma, döndürme veya gürültü gibi koşulları simüle etme yöntemi. | Eksik kamera açıları veya ürünlerin yerine geçen bir çözüm. |
| Küçük veri kümelerinde sağlamlığı artırma aracı. | Hatalı veya özen gösterilmemiş başlangıç etiketlerinin telafisi. |
| Aşırı öğrenmeyi (overfitting) azaltma yöntemi. | Daha iyi sonuçların garantisi (aşırı kullanım zararlı olabilir). |
***
## Stratejik Kullanım
Augmentation'ın Faydalı Olduğu Durumlar
* **Küçük Veri Kümeleri:** Her sınıf için az sayıda görüntünüz varsa.
* **Çevresel Değişkenlik:** Aydınlatma değişimleri (gündüz/gece), yansımalar veya hareket bulanıklığı bekliyorsanız.
* **Aşırı Öğrenme:** Eğitim başarımı yüksek ama gerçek dünya performansı düşükse.
* **Nadir Sınıflar:** Bazı nesneler gerçek veride nadiren görünüyorsa.
Augmentation'ın Gereksiz (veya Riskli) Olduğu Durumlar
* **Çok Çeşitli Gerçek Veriler:** Zaten binlerce farklı, gerçek dünya görüntünüz varsa.
* **Hassas Özellikler:** İnce çizikler veya dokular gibi küçük ayrıntılara bağlı denetimler varsa; blur/gürültü bu özellikleri yok edebilir.
* **Sabit Ortamlar:** Aydınlatma, kamera ve ürün pozisyonları hiç değişmiyorsa. Örneğin sabit konumdaki bir nesne için rotasyon augmentation gerekli değildir.
> **Disk Alanı Uyarısı:** Augmentation yeni fiziksel dosyalar oluşturur. Çok sayıda seçeneği etkinleştirmek veri seti klasörünüzün boyutunun hızla artmasına neden olabilir. Manual etiketlemeyi bitirdikten ve bir yedeğini aldıktan sonra augmentation çalıştırın.
***
## 🛠️ Augmentation Penceresi Nasıl Çalışır
Image Annotation Window içinde **Tools** → **Augment Dataset** seçeneklerine gidin.
### Arayüzün Parçaları
| Bölüm | İşlev |
| -------------------- | -------------------------------------------------------------------------------------------------------------- |
| **Quick Presets** | Başlangıç için mantıklı varsayılanları tek tıkla uygulayan ön ayarlar.  |
| **Quick Toggles** | Renk, Gürültü gibi tüm grupları hızlıca açıp kapatma.  |
| **Detailed Options** | Brightness, Contrast, Blur, Noise ve Perspektif ayarlarının yoğunluğunu ince ayarla. |
***
## Güvenli ve Pratik Bir İş Akışı
1. **Temiz Bir Temel:** Önce manual etiketlemeyi bitirin (veya en azından temiz bir alt küme oluşturun).
2. **Yedek Alın:** Veri seti klasörünüzü kopyalayın.
3. **Küçük Başlayın:** Bir preset kullanın veya minimal ayarlarla başlayın.
4. **Görsel Denetim:** Oluşturulan klasörü açıp kontrol edin:
* Bounding box'lar hâlâ nesnelerin üzerinde mi?
* Artırılmış görüntüler gerçekçi görünüyor mu?
5. **Eğit & Karşılaştır:** Augmentation'lı ve augmentasyonsuz modelleri eğitip sonuçları karşılaştırın.
***
## ❓ Sorun Giderme
📉 "Modelim augmentation sonrası kötüleşti"
Bu genellikle augmentation'ın gerçekliğe uymadığını gösterir.
* **Deneyin:** Augmentation yoğunluğunu azaltın.
* **Deneyin:** Gerçekçi olmayan dönüşümleri devre dışı bırakın (ör. parçalar her zaman dik duruyorsa 180° rotasyon kullanmayın).
🖼️ "Artırılmış görüntülerde kutular yanlış görünüyor"
* **Deneyin:** Geometrik dönüşümleri (döndürme/perspektif) azaltın.
* **Deneyin:** Augmentation öncesinde etiketlerin sıkı ve doğru olduğundan emin olun.
📂 "Çok fazla dosya üretti"
* **Deneyin:** Çoğu dönüşümü devre dışı bırakın ve yalnızca gerçekten gerekenleri tutun.
* **Deneyin:** Augmentation'ı daha küçük bir görüntü alt kümesi üzerinde uygulayın.
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://docs.augelab.com/turkish/one-cikan-ozellikler/annotate-data-for-object-detection/augment-dataset.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.