JSON

JSON, veya JavaScript Object Notation, verileri depolamak ve taşımak için kullanılan hafif, metin tabanlı bir biçimdir. Yapay zeka ve makine öğrenimi alanında; sunucular, web uygulamaları ve inference engines arasında veri alışverişi için evrensel bir standart olarak hizmet eder. Anahtar-değer çiftlerinden ve sıralı listelerden oluşan yapısı, makinelerin ayrıştırıp oluşturması son derece kolayken insanların okuyup yazması için de basittir. Dile bağımlı olmadığından JSON, Python ile eğitilmiş bir model ile JavaScript, C++ veya Go üzerinde çalışan bir dağıtım ortamı arasında kesintisiz iletişim sağlar.

AI İş Akışlarında ve Dağıtımda JSON#

Bir bilgisayarlı görü modeli üretime dağıtıldığında, genellikle bir REST API aracılığıyla diğer yazılım bileşenleriyle etkileşime girer. Örneğin, bir gözetim sistemi bir object detection modeli çalıştıran bir sunucuya bir video karesi gönderdiğinde, sunucu görüntüyü analiz eder ve sonuçları döndürür. Sunucu, ikili bir görüntü göndermek yerine, bounding boxes koordinatlarını, tespit edilen sınıf adlarını ve bunlara karşılık gelen confidence skorlarını içeren bir JSON dizesiyle yanıt verir. Bu metin tabanlı yanıt, günlük kaydı ve analitik için MongoDB gibi arayüz panoları, mobil uygulamalar veya NoSQL databases tarafından kolayca tüketilir.

Çıkarımın ötesinde JSON, training data yapısını oluşturmak için çok önemlidir. Popüler COCO dataset biçimi, görüntü dosyası yollarını, lisans bilgilerini ve ek açıklamalı koordinatları tanımlamak için kapsamlı bir JSON şeması kullanır. Bu durum, basit boşluklarla ayrılmış metin dosyaları kullanan YOLO TXT biçimi gibi diğer biçimlerle tezat oluşturur. Ultralytics Platform üzerindeki gelişmiş araçlar, buluttaki karmaşık proje meta verilerini ve veri kümesi sürümlemesini yönetmek için genellikle JSON kullanır.

Model Tahminlerini JSON'a Dönüştürme#

Modern çerçeveler, geliştiricilerin model çıktıklarını doğrudan JSON'a dışarı aktarmasına olanak tanıyarak data serialization sürecini basitleştirir. ultralytics kitaplığı, algılama sonuçlarını serileştirmek için yerleşik yöntemler sunarak YOLO26 modellerini daha büyük yazılım ekosistemlerine entegre etmeyi kolaylaştırır.

Aşağıdaki örnek, bir Ultralytics YOLO26 modeli ile çıkarımın nasıl çalıştırılacağını ve algılama sonuçlarının standartlaştırılmış bir JSON dizesine nasıl dönüştürüleceğini göstermektedir:

import json

from ultralytics import YOLO

# Load the YOLO26 model
model = YOLO("yolo26n.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Convert the first result object to a JSON string
# This serializes boxes, classes, and confidence scores
json_output = results[0].tojson()

# Parse back to a dict to verify structure
data = json.loads(json_output)
print(f"Detected {len(data)} objects.")

JSON ve İlgili Formatlar#

JSON, web development ve API tasarımında her yerde mevcut olsa da, Deep Learning iş akışlarında yaygın olarak karşılaşılan diğer veri serileştirme biçimlerinden onu ayırmak önemlidir.

• JSON vs. YAML: YAML, maksimum insan tarafından okunabilirlik için tasarlanmıştır ve yorumları destekler; bu da onu yapılandırma dosyaları için tercih edilen seçenek haline getirir. Örneğin, hyperparameter tuning ayarları veya Ultralytics'teki veri kümesi yolları .yaml dosyalarında tanımlanır. JSON daha katıdır, yorumları desteklemez ve makinelerin ayrıştırması genellikle daha hızlıdır; bu da onu veri iletimi ve API yanıtları için daha uygun hale getirir.
• JSON vs. XML: XML, ayrıntılı etiket tabanlı bir yapı kullanır. Pascal VOC gibi veri kümeleri için bir zamanlar standart olmasına rağmen, JSON'ın daha küçük dosya boyutu ve daha basit sözdizimi nedeniyle modern Machine Learning Operations (MLOps) içinde büyük ölçüde yerini JSON almıştır.

Standardizasyon ve Birlikte Çalışabilirlik#

JSON'ın yaygın olarak benimsenmesi, farklı araçlar arasında birlikte çalışabilirliği teşvik eder. İster instance segmentation maskeleri dışarı aktarın, ister image classification etiketlerini depolayın, isterse bir model deployment boru hattını yapılandırın, JSON verilerin yapılandırılmış ve erişilebilir kalmasını sağlar. Rolü, tespit edilen nesneleri coğrafi koordinatlara haritalandırmak için satellite image analysis içinde sıklıkla kullanılan, coğrafi veri yapılarını kodlamak için özel bir biçim olan GeoJSON dosyalarına kadar uzanır. Geliştiriciler, Python'ın yerleşik json library özelliğinden yararlanarak sağlam yapay zeka uygulamaları oluşturmak için bu veri yapılarını kolayca doğrulayabilir, ayrıştırabilir ve işleyebilir.