🔍Etiketlemeden Sonra
Etiketlemeyi tamamladınız! 🎉
Yüksek kaliteli bir veri kümesi tutarlıdır. Eğitime geçmeden önce etiketlerinizi hızlıca denetlemek için bu rehberi takip edebilirsiniz.
Veri Kümesi Filtreleri ile Hızlı Kontrol
Image Annotation penceresinde, filtre açılır menüsünü kullanarak belirli etiketleme durumlarını izole edin.
All
Toplam veri kümesi
Projenin genel hacmine göz atın.
Annotated
≥1 Bounding Box
Kutuların sıkı olduğundan ve sınıfların doğru olduğundan emin olun.
Empty
Background/Negative
Kritik: Gerçekte nesne olup olmadığını doğrulayın.
Excluded
No annotation file
Kullanılabilir verinin yanlışlıkla gizlenmediğinden emin olun.
Yaygın Hata: Aslında nesne içeren "Empty" görüntüler modelin kafasını karıştırır. Bir nesne varsa ya etiketlenmelidir ya da görüntü "Excluded" olmalıdır.
Hızlı İnceleme: Klavye Kısayolları
Bu kısayollar tuvalden çıkmadan hızlı denetim yapmanızı sağlar.
Navigasyon & Sınıf Seçimi
D/A: Sonraki / Önceki görüntü.Shift + D/Shift + A: 10 görüntü ileri / geri atla.S/W: Sonraki / Önceki sınıf.Shift + S/Shift + W: 3 sınıf atla.H(Basılı tut): Etiketleri geçici olarak gizleyerek ham görüntüyü gör.
Etiketleme & Dosya Yönetimi
O: Mark as Background (Boş bir etiket dosyası oluşturur/temizler).P: Exclude Image (Etiket dosyasını kaldırır).X: Son sınırlayıcı kutuyu kaldır.Shift + C: Geçerli görüntüdeki tüm kutuları temizle.M: Görüntüyü + etiketini/movedalt klasörüne taşı (Folder Mode).Shift + Delete: Görüntüyü + etiket dosyasını kalıcı olarak sil.
Gelişmiş Analiz Araçları
A) Sınıf Frekans Analizi
Tools → Class Frequency Analysis açarak veri dağılımınızı görselleştirin.
Nadir Sınıflar: Bir sınıf diğerlerine göre çok azsa model muhtemelen onu görmezden gelecektir.
Baskın Sınıflar: Bir sınıf veri kümesinin büyük kısmını oluşturuyorsa model o sınıfı fazla tahmin edebilir.
Dengesizlik görürseniz nadir sınıflar için daha fazla veri toplayın veya baskın sınıflardan bazı tekrar eden örnekleri çıkarın.
Alternatif olarak, az temsil edilen sınıfların çeşitliliğini yapay olarak artırmak için veri artırma (augmentation) teknikleri kullanabilirsiniz.
B) Desen Tanıma
İnceleme sırasında şu "Etiket Kalitesi" problemlerine dikkat edin:
Gevşek Kutular: Kutunun içinde çok fazla arka plan bulunması.
Tutarsız Stil: Aynı sınıf için bazı görüntülerde sıkı kutular, bazılarında gevşek kutular olması.
Negatif Eksikliği: Modele nesne olmayan durumları öğretmek için yeterli "Empty" görüntü olmaması.
Denetim Rutini
Annotated filtresini seçin: Tüm kümeden yaklaşık 20–50 görüntü inceleyin (sadece ilk sayfaya bakmayın).
Empty filtresini seçin: Gerçekten boş olduklarından emin olmak için ~10–20 görüntü kontrol edin.
Excluded öğelerini spot-check yapın: Kaliteli veri yanlışlıkla beklemede olabilir.
Kenar Durum Geçişi: En küçük nesneleri, en kötü parlama ve en fazla hareket bulanıklığını arayın.
Doğrulama (Validation) Seti
Gerçek dünya zorluklarını (kötü aydınlatma, karışık arka plan vb.) temsil eden 30–100 görüntü veya video klip seçin.
Bu seti mükemmel biçimde etiketli tutun. Modeli üretime almadan önce son "gerçeklik kontrolü" olarak kullanın.
Yedekleme Hatırlatması: Toplu işlemler veya toplu silme yapmadan önce veri kümesi klasörünüzün bir kopyasını alın.
Last updated