AugeLab Studio Manual
Türkçe
Türkçe
  • 👋AugeLab Studio Kullanıcı Kılavuzuna Hoş Geldiniz
  • 📘Giriş
    • AugeLab Studio
    • Ana Özellikler
    • Kullanım Durumları
    • Sistem Gereksinimleri
  • 🚀Başlarken
    • Kayıt Olma
    • Kurulum
    • İlk Bakış
    • Basit Tur
    • İlk Projeniz
      • Temel Bilgiler
      • Tespit
      • Tamamlama
    • Daha Fazla Yerel Örnek
    • Daha Fazla Okuma
  • 🖥️AugeLab Studio Arayüzü
    • Ayrıntılı İnceleme
    • Senaryo Alanı
    • Menü ve Araç Çubuğu
    • Projeleri Yönetme
    • Yapay Zeka Yükleme ve Daha Fazlası
      • Modül İndirme ile Yapay Zeka Kullanın
  • 🧱Fonksiyon Blokları
    • Blok Yapıları
    • Sockets
    • Bloklar Kolonu
    • Bağlantılar
    • Tüm Fonksiyon Blokları
      • AI Blocks
        • Face Detection
        • Mask Detection
        • Object Detection - Custom
        • Object Detection
        • Pose Estimation
        • Safety Equipment Detection
        • Social Distance Detector
        • Super Resolution
        • Text Detection
        • OCR
      • CNN Blocks
        • Average Pooling 2D
        • Batch Normalization
        • Choose Folder 2D
        • Compile Model
        • Conv. Sep. Layer 2D
        • Conv. Trans. Layer 2D
        • Convolutional Layer 2D
        • Dropout Layer
        • Flatten Layer 2D
        • Fully Connected
        • Global Average Pooling 2D
        • Global Max Pooling 2D
        • Input Layer 2D
        • Loss CCE
        • Max Pooling 2D
        • Metrics Accuracy
        • Model EfficientNet
        • Model MobileNet
        • Model ResNet
        • Model VGG
        • Optimizer Adadelta
        • Optimizer Adagrad
        • Optimizer Adam
        • Optimizer Adamax
        • Optimizer FTRL
        • Optimizer Nadam
        • Optimizer RMSProp
        • Optimizer SGD
        • ReLU Layer
        • Softmax Layer
        • Training Parameters
      • Data/Logic
        • Flow Control
          • Batch Concatenation
          • Batch Processing
          • Debatch
          • Get Batch Size
          • HMI Background
          • Subsystem Enabled
          • Subsystem In
          • Subsystem Loop
          • Subsystem Out
          • Subsystem
        • logic
          • All True
          • And
          • Demux
          • Equals
          • Greater
          • Logic Operations
          • Mux
          • Not
          • Or
          • Set - Reset
          • Smaller
        • Mathmetical Operations
          • Add
          • Counter
          • Divide
          • Math Operations
          • Maximum
          • Minimum
          • Multiply
          • Not Equals
          • Round
          • Square Root
          • Subtract
          • Trigonometry
        • Data Operations
          • Data Memory
          • Data to JSON
          • Data Type Converter
          • Datetime Compare
          • Dictionary Operations
          • Exclude Nones
          • Find Substring
          • Get Element
          • Is None
          • List Operations
          • Parse Data Dictionary
          • Replace None
          • String Merge
          • String Operations
        • Referencing
          • Data Read Global
          • Data Read Local
          • Data Write Global
          • Data Write Local
          • Debug Input
          • Tag From
          • Tag To
        • Signal Operators
          • Delay Step
          • Edge Falling
          • Edge Rising
          • Multi Port Switch
          • OFF Delay
          • ON Delay
      • Image/Transformations
        • Analysis
          • Color Density Percentage
          • Get Dimension
          • Histogram On Curve
          • Histogram On Line
          • Image Color Match
          • Image Memory
          • Image Resolution and Channel Value
          • Maximum Images
          • Mean Value of Image
          • Measure Position Distance
          • Minimum Images
          • Non-zero of Image
          • Std. of Image
          • Structural Similarity
        • Transformation Filters
          • Auto Alignment
          • Auto Contrast
          • Color Quantizer and Clustering
          • Color Space
          • Contrast-Brightness-Gamma
          • Contrast Optimization
          • Deconvolution
          • Denoising
          • Distance Transformation
          • FloodFill
          • Grab Cut Algorithm
        • Color Filters
          • 2D Filter
          • Apply Mask
          • Bilateral Filter
          • Blur
          • Edge Filter
          • HSV Filter
          • Image Adaptive Threshold
          • Image Threshold
          • Invert Image
          • Morphological Transformations
          • Normalize Image
          • RGB Mask
          • RGB Set
          • Sobel Filter
        • Operations
          • Add Images Weighted
          • Add Images
          • Collage Images
          • Divide Images
          • Flip Image
          • Image AutoRotator
          • Image Concatenate
          • Image Resize
          • Image Resizer
          • Merge Channels
          • Multiply Images
          • Polar Transform
          • Rotate Image Angle
          • Slice Image
          • Split Image
          • Subtract Images
      • Detections/Shapes
        • Detectors
          • Barcode Reader
          • Blob Detector
          • Blur Detector
          • Circle Detector
          • Corner Detector
          • Custom CNN Model
          • Data Matrix Reader
          • Detect Reference
          • Feature Detector
          • Find Object - Multiple Image
          • Find Object
          • Find Reference
          • Harris Corner Filter
          • Line Detector
          • Match Shapes
          • Measure Object Distance
          • Shape Detector
        • Draw
          • Draw Detections
          • Draw Line
          • Draw Point
          • Draw Rectangle
          • Draw Result On Image
          • Write Date On Image
          • Write Text On Image
        • Roi Processing
          • Check Area (Polygon)
          • Check Area
          • Get Pixel Mouse
          • Get Pixel
          • Get ROI
          • Image ROI Center
          • Image ROI Polygon
          • Image ROI Select Multi
          • Image ROI Select
          • Image ROI
          • Perspective Transform
          • Rectangles in Rectangle
        • Shape Analysis
          • Approximate Contour
          • Choose Line
          • Contour to Image
          • Fill Contour
          • Find Contour
          • Hull Convex
          • Minimum Circle
          • Minimum Ellipse
          • Minimum Rectangle
          • Minimum Rotated Rectangle
          • Most Similar Shape
          • Point Polygon Test
      • Input/Output
        • Communication
          • Modbus Connect
          • Modbus Read
          • Modbus Write
          • MQTT Publish
          • MQTT Subscribe
          • OPC UA Client
          • OPC UA Read
          • OPC UA Write
          • REST API - Get
          • REST API - Post
          • Send Mail
          • Siemens S7 Connect
          • Siemens S7 Read
          • Siemens S7 Write
        • Data Inputs
          • Date-Time List
          • Date-Time
          • Headless Check
          • Keyboard/Barcode Reader
          • Logic Input
          • Number Input
          • Number Range
          • PWM (Pulse Width Modulation)
          • Rising Edge
          • String Input
          • Text
        • Image Inputs
          • Camera IP (ONVIF)
          • Camera IP
          • Camera USB External
          • Camera USB Vidgear
          • Camera USB
          • Load Image From Path
          • Load Image
          • Make Image
          • Pixel
          • Video
        • Outputs/Exports
          • CSV Export
          • Cycle Timer
          • File/Folder Operations
          • GPU Statistics
          • Image Logger
          • Image Write
          • Led Output
          • Multi Image Write
          • Output
          • Scope
          • Show Image
          • Stop
  • 📡Cihazlar ve İletişim
    • Kamera Kullanımı
    • İletişim Protokolleri
    • Daha Fazla Okuma
  • 🧩Örnek Projeler
    • Demo Projeler
    • Çevre Ölçümü
    • Nesne Sayma
    • Karo Genişliği Ölçümü
    • İnsan Tespiti
    • Nesne Tespiti
  • 🔑Ana Özellikler
    • Özel HMI Uygulamaları Yayınlayın
    • Nesne Tespiti için Verileri İşaretleyin
    • Özel AI Modelleri Eğitin
      • Doğru Veritabanını Seçme
      • Eğitim Ne Zaman Durmalı
    • Eklentiler Oluşturun
      • Bileşenler
      • Kodlama Referansı
    • Çözümlerinizi Toplulukla Paylaşın
    • Python Paketlerini Yükleyin
  • 📑SSS
    • Bizimle İletişime Geçin
    • SSS
    • Tam bir projeyi kurma
  • Ek Kaynaklar
    • Eğitim Takvimi
    • Eğitim Materyalleri
    • AugeLab Uzmanları
  • Ek
    • Sözlük
    • Kaynaklar
Powered by GitBook
On this page
  • 📥 Girdiler
  • 📤 Çıktılar
  • 🕹️ Kontroller
  • 🎨 Özellikler
  • 📝 Kullanım Talimatları
  • 📊 Değerlendirme
  • 💡 İpuçları ve Püf Noktaları
  • 🛠️ Sorun Giderme

Was this helpful?

  1. Fonksiyon Blokları
  2. Tüm Fonksiyon Blokları
  3. CNN Blocks

Conv. Sep. Layer 2D

Bu fonksiyon bloğu, görüntü verilerini işlemek için sinir ağlarında önemli bir bileşen olan ayrılabilir bir konvolüsyon katmanı kullanır. Konvolüsyon işlemini derinlik ve nokta konvolüsyonlarına ayırarak verimliliği artırmayı hedefler, performanstan ödün vermeden.

📥 Girdiler

Belirli girdiler, ana NodeCNN içinde ayarlanan konfigürasyonlara bağlı olacaktır. Genel olarak, bu blok önceki bloktan elde edilen özellikleri alır; bunlar görüntü verisi veya özellik haritaları içerebilir.

📤 Çıktılar

Blok, ayrılabilir konvolüsyon uygulandıktan sonra işlenmiş özellik haritalarını çıktılar; bu haritalar sonraki katmanlarda daha fazla işleme veya sınıflandırma için kullanılabilir.

🕹️ Kontroller

Kernel Size Bu kontrol, konvolüsyon işlemi sırasında odaklanılacak alanın boyutunu belirleyen konvolüsyon çekirdeğinin boyutunu ayarlamanıza olanak tanır.

Activation Function Konvolüsyon işlemi sonrasında uygulanacak aktivasyon fonksiyonunu seçin; örneğin ReLU, Sigmoid vb.

Filters Katmanda kullanılacak filtre sayısını belirtin; bu, oluşturulacak özellik haritalarının sayısını etkiler.

Padding Çıktının boyutunu etkileyebilecek padding kullanılıp kullanılmayacağına karar verin.

🎨 Özellikler

Layer Optimization Ayrılabilir konvolüsyonlar uygulanarak, bu katman hesaplama verimliliğini optimize ederken, özellik çıkarımının etkinliğini korur.

Dynamic Configurations Kullanıcılar, belirli görüntü verileri veya kullanım durumlarına göre konvolüsyon işlemini özelleştirmek için çekirdek boyutlarını, aktivasyon fonksiyonlarını ve filtreleri ayarlayabilir.

📝 Kullanım Talimatları

  1. Previous Layer ile Bağlantı: Girdinin, konvolüsyon için uygun özellik verilerini sağlayan bir önceki katmana bağlı olduğundan emin olun.

  2. Katman Parametrelerini Ayarlayın: Model gereksinimlerinize göre istenen filtre sayısını, çekirdek boyutunu ve aktivasyon fonksiyonlarını ayarlayın.

  3. Değerlendirin: Ayrılabilir konvolüsyon katmanı aracılığıyla girdi verilerini işlemek için bloğu çalıştırın.

📊 Değerlendirme

Çalıştırıldığında, fonksiyon bloğu girdi verileri üzerinde ayrılabilir konvolüsyon işlemini uygular ve daha sonraki katmanlarda kullanılabilecek rafine edilmiş özellik haritaları oluşturur.

💡 İpuçları ve Püf Noktaları

Kernel Boyutunun Etkileri

Farklı çekirdek boyutları ile deney yapın. Daha küçük çekirdekler, görüntülerin ince detaylarından daha fazla özellik çıkarabilirken, daha büyük çekirdekler daha fazla bağlam yakalayabilir.

Filtreleri Ayarlama

Filtre sayısını artırmak, modelin daha karmaşık özellikler yakalamasına olanak tanır. Küçük bir sayı ile başlayın ve gerekli oldukça artırın; doğrulama performansına dayalı olarak.

Performansı İzleme

Bu katmandaki çıktıları kontrol etmek için Debug Input veya Image Logger kullanın; böylece özelliklerin doğru ve etkili bir şekilde çıkarıldığından emin olabilirsiniz.

🛠️ Sorun Giderme

Çıktı Üretilmedi

Önceki katmandan geçerli bir bağlantının olduğundan ve girdilerin işleme için beklenen şekle sahip olduğundan emin olun.

Geçersiz Katman Konfigürasyonu

Çekirdek boyutu, filtreler ve aktivasyon fonksiyonları gibi konfigürasyonlarınızı kontrol edin; bunların model yapınıza uygun olduğundan emin olun.

PreviousCompile ModelNextConv. Trans. Layer 2D

Last updated 8 months ago

Was this helpful?

🧱