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

Max Pooling 2D

Bu fonksiyon bloğu, 2D görüntü verileri üzerinde Max Pooling işlemi uygulamak için tasarlanmıştır ve bir Konvolüsyonel Sinir Ağı (CNN) iş akışının bir parçasıdır. Giriş görüntüsünün mekansal boyutlarını azaltarak daha soyut özellik temsilasyonları sağlar.

📥 Girdiler

Bu fonksiyon bloğu belirli bir girdi almaz, ancak genellikle CNN modelinin iş akışının bir parçası olarak görüntü verilerini alır.

📤 Çıktılar

Bu fonksiyon bloğu, düğüm arayüzünün bir parçası olarak doğrudan çıktı üretmez. Bunun yerine, AI modelinde bir katman olarak işlev görür.

🕹️ Kontroller

Pool Size Görüntü üzerinde kayacak havuzlama penceresinin boyutunu tanımlamak için kullanılan bir açılır menü. Bu kontrol, havuzlama katmanının aynı anda ne kadar girişi değerlendireceğini belirler.

Stride Size Havuzlama işlemi sonrası giriş görüntüsü üzerinde kayma miktarını tanımlamak için kullanılan bir açılır menü. Kaymanın artırılması, özellik haritasının daha agresif bir şekilde alt örneklenmesini sağlar.

🎨 Özellikler

Reduces Dimensions Max Pooling işlemi, özellik haritalarının boyutunu önemli ölçüde azaltarak ağın hesaplama verimliliğini artırır.

Parameter Customization Kullanıcılar, havuzlama penceresi boyutunu ve kayma miktarını özelleştirerek modeli belirli görevler ve veri setlerine uyarlayabilir.

📝 Kullanım Talimatları

  1. Load Image Data: Bu bloğun, giriş görüntü verilerini işleyen fonksiyon blokları dizisi içinde yer aldığından emin olun.

  2. Set Pool Size: Pool Size açılır menüsünden istenen havuzlama boyutunu seçin.

  3. Set Stride Size: Havuzlama işlemi sırasında kullanılacak kaymayı Stride Size ile tanımlayın.

  4. Integrate Within CNN: Bu bloğu, görüntü verilerinden önemli özellikleri çıkarmak için CNN modelinizin bir parçası olarak kullanın.

📊 Değerlendirme

CNN'nin bir parçası olarak çalıştırıldığında, bu blok giriş verilerine Max Pooling işlemini uygular ve sonraki katmanların, en kritik özellikleri koruyarak daha düşük boyutlu verilerle çalışmasına olanak tanır.

💡 İpuçları ve Püf Noktaları

Havuzlama Boyutunu Seçme

Havuzlama boyutu için yaygın bir seçim 2x2'dir; bu, mekansal boyutları etkin bir şekilde yarıya indirir. Daha agresif bir alt örnekleme gerekiyorsa, bunu 3x3 olarak artırmayı düşünün.

Kullanım Kayması

Havuzlama boyutunuzla eşleşen bir kayma kullanmak (örneğin, 2x2 havuzlama kullanıyorsanız 2) tüm görüntünün simetrik bir şekilde işlenmesini sağlamak için iyi bir uygulamadır.

Özellikleri Koruma

Max Pooling, giriş verilerinden en belirgin özellikleri korumada etkilidir ve boyutları azaltır; bu nedenle, önemli sinyal özelliklerini korumanız gereken durumlar için iyi bir tercihtir.

🛠️ Sorun Giderme

Çıktı Boyutları Beklendiği Gibi Değil

Eğer çıktı boyutları beklenildiği gibi değilse, havuzlama boyutu ve kayma ayarlarını kontrol edin. Giriş boyutu, havuzlama boyutu ve kayma arasındaki ilişki, çıktı boyutlarını doğrudan etkileyebilir.

Havuzlama Katmanı Düzgün Çalışmıyor

Max Pooling katmanının tanımlı bir sinir ağı yapısına doğru bir şekilde entegre edildiğinden emin olun. Bu katman, bir konvolüsyon katmanını veya havuzlama için uygun çok boyutlu çıktı üreten herhangi bir katmanı takip etmelidir.

PreviousLoss CCENextMetrics Accuracy

Last updated 8 months ago

Was this helpful?

🧱