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

Model VGG

Bu fonksiyon bloğu, projelerinize VGG konvolüsyonel sinir ağı modelini entegre ederek VGG16 veya VGG19 mimarilerini kullanarak görüntü sınıflandırma görevlerini gerçekleştirmenizi sağlar.

📥 Girdiler

Choose Folder 2D Girdi, model değerlendirmesi için uyumlu formatta resimler sağlaması gereken "Choose Folder 2D" bloğundan veri beklemektedir.

📤 Çıktılar

Bu fonksiyon bloğu, değerlendirme ve çıkarım için hazır bir eğitilmiş VGG modeli çıkışı sunar.

🕹️ Kontroller

Model Type VGG16 veya VGG19 model mimarisini seçmek için kullanılan bir açılır menü.

Input Size Model için görüntülerin boyutlarını temsil eden bir alan (en az 32 olmalıdır).

Pooling Modelde kullanılacak havuzlama yöntemini seçmek için bir açılır menü (Max, Average veya None).

🎨 Özellikler

Pre-Trained Models Kullanıcılar, görüntü sınıflandırma görevleri için tasarlanmış iki popüler VGG mimarisi arasından seçim yapabilir.

Flexible Input Size Girdi boyutu, VGG mimarisi ile uyumluluk için görüntü boyutlarınıza göre ayarlanabilir.

Pooling Options Farklı havuzlama yöntemleri arasında seçim olanağı sunarak özelleştirilmiş model mimarisi sağlar.

📝 Kullanım Talimatları

  1. Input Connection: Bir "Choose Folder 2D" bloğundan çıkan çıktıyı bu fonksiyon bloğunun girişine bağlayın.

  2. Select Model: Model Type açılır menüsünden VGG16 veya VGG19'u seçin.

  3. Input Size: Input Size alanında görüntüler için istenen girdi boyutunu belirtin. Değerin 32 veya daha büyük olduğundan emin olun.

  4. Choose Pooling Method: Pooling açılır menüsünden bir havuzlama yöntemini (Max, Average veya None) seçin.

  5. Evaluate: Seçilen VGG modelini oluşturmak ve görüntüleri değerlendirmek için fonksiyon bloğunu çalıştırın.

📊 Değerlendirme

Çalıştırıldığında, bu fonksiyon bloğu belirtilen boyutta görüntüleri alan ve seçilen havuzlama yöntemini uygulayan bir VGG modeli oluşturur ve döndürür, çıkarıma hazır hale getirir.

💡 İpuçları ve Püf Noktaları

Input Boyutunu Seçme

Optimal sonuçlar için, veri kümeniz ve model seçiminize bağlı olarak 64, 128 veya 224 gibi standart girdi boyutlarını kullanmayı düşünün. VGG gibi modeller genellikle 224x224 boyutundaki görüntülerle eğitilmiştir.

Havuzlama Yöntemleri

Sinir ağının performansını nasıl etkilediğini görmek için farklı havuzlama yöntemlerini test edin. Ortalama havuzlama, boyutları etkili bir şekilde azaltmaya yardımcı olabilir, ancak maksimum havuzlama özellikleri daha iyi koruyabilir.

Model Türü Dikkatı

Hem VGG16 hem de VGG19 benzer işlevselliğe sahiptir ancak VGG19 daha fazla katmana sahiptir ve ince görsel özellikleri daha iyi yakalayabilir. Kullanım durumunuza bağlı olarak, farklı sınıflandırma sonuçları elde edebilirsiniz.

🛠️ Sorun Giderme

Geçersiz Girdi Boyutu

Belirtilen girdi boyutunun sayısal bir değer olduğundan ve 32'den küçük olmadığından emin olun. Bu girdi, modelin gelen görüntüleri doğru şekilde işlemesi için kritik öneme sahiptir.

RGB Renk Tipi Gereksinimi

Girdi renk tipi ile ilgili bir hata ile karşılaşırsanız, görüntülerinizin RGB formatında olduğundan emin olun; çünkü VGG modeli özellikle bu renk girişiyle tanınacak şekilde eğitilmiştir.

PreviousModel ResNetNextOptimizer Adadelta

Last updated 8 months ago

Was this helpful?

🧱