DagsHub aktif öğrenme süreçlerine bir bakış
Yono Mittlefehldt'in YOLO VISION 2023 konuşmasının özeti: DagsHub aktif öğrenme iş akışlarında veri hazırlama ve YOLOv8 eğitiminden Label Studio ile etiketlemeye kadar.
Nuvola Ladi2 dakikalık okuma
Bu özet, YOLO VISION 2023 (YV23) etkinliğindeki başka bir konuşmayı ele alıyor. Madrid'deki Google for Startups yerleşkesinde düzenlenen bu Ultralytics destekli etkinlikte, daha önce DagsHub bünyesinde Makine Öğrenimi Savunucusu olarak görev yapan Yono Mittlefehldt, aktif öğrenme işlem hatları oluşturma üzerine bir konuşma yaptı.
Giriş ve genel bakış#
Konuşma, aktif öğrenme işlem hatlarına giriş ve aktif öğrenmeyle geleneksel denetimli öğrenme yöntemleri arasındaki farkların açıklanmasıyla başladı.
Veri hazırlama#
İlk adım, aktif öğrenme işlem hattının temelini oluşturur: bağımlılıkları içe aktarmak, veri kaynağını ayarlamak ve ilk açıklamalarla meta verileri zenginleştirmek.
Model eğitimi#
Veriler hazır olduğunda sıradaki adım model eğitimidir. Yono, bir Ultralytics YOLOv8 veri kümesini ve YAML dosyasını kullanarak eğitim sırasında parametreleri ve metrikleri kaydetmek için geri çağırımlar ekledi; böylece her çalıştırmayı izlemek ve karşılaştırmak kolaylaştı.
Aktif öğrenme döngüsü#
Sıradaki adım, önceden eğitilmiş modelleri yüklemeyi, etiketlenmemiş verileri puanlamayı ve açıklama için en bilgilendirici örnekleri seçmeyi içeren yinelemeli bir süreç olan aktif öğrenme döngüsüdür. Her döngü, yeni tahminlerle veri kaynağını zenginleştirir; böylece model her yinelemede iyileşir.
Görüntü segmentasyonu için aktif öğrenme#
Yono daha sonra aktif öğrenmeyi görüntü segmentasyonuna uyguladı. Tahminler, açıklama eklenmesi için Label Studio'ya gönderildi ve bir segmentasyon modelinin birden fazla döngü boyunca nasıl iyileşebileceği gösterildi.
Label Studio'yu kullanma#
Label Studio, bu işlem hattının temel araçlarından biridir. Projeler açıklama eklenmiş verileri saklar ve Label Studio sunucuları görev API'sine bağlanır. Görevleri proje adlarıyla eşleştirmek iş akışını düzenli tutar ve iş birliğini kolaylaştırır.
Kapanış#
Konuşmanın sonunda Yono, işlem hatlarını belirli görevlere göre optimize etmekten tekrarlanabilirlik ve belgelendirmeye kadar çeşitli konuları ele alarak dinleyicilerin sorularını yanıtladı.
Konuşma genel olarak, aktif öğrenmenin veri etiketleme ve model eğitimini nasıl daha verimli hâle getirebileceğini gösterdi. Topluluğumuzun desteği ve katılımıyla bu fikirleri daha da ileri taşımayı sabırsızlıkla bekliyoruz.
YouTube'da konuşmanın tamamını izle.
Yazan
Yorumlar
Soru sor, sonuçlarını paylaş veya başka birine yardım et.










