İçeriğe geç
parazade
Yapay Zeka

COCO Veri Seti Nedir?

İngilizce: COCO Dataset

Yayın: · Son güncelleme:

COCO Veri Seti Nedir? Kısaca

COCO (Common Objects in Context), günlük sahnelerde yer alan 80 nesne kategorisini içeren, nesne tespiti, bölütleme, anahtar nokta tespiti ve görüntü altyazısı üretimi gibi bilgisayarlı görü görevlerinde standart kabul edilen büyük ölçekli bir görüntü veri setidir.

COCO Veri Seti nedir?
İçindekiler
  1. COCO veri seti nedir?
  2. Hangi görevlerde kullanılır?
  3. Değerlendirme ölçütü
  4. Nelere dikkat etmeli?

COCO, "Common Objects in Context" yani "Bağlam içindeki yaygın nesneler" ifadesinin kısaltmasıdır. 2014'te yayımlanan bu veri seti, nesne tespiti ve bölütleme modellerinin karşılaştırılmasında en çok kullanılan referanslardan biri hâline geldi.

COCO veri seti nedir?

COCO'daki görüntüler, nesneleri tek başına ve ortalanmış değil, gerçek hayattaki gibi kalabalık sahnelerde gösterir: Mutfakta duran bardaklar, sokakta yürüyen insanlar, park etmiş arabalar gibi. Veri setinin öne çıkan özellikleri şunlardır:

  • Yüz binlerce görüntü (yaklaşık 330 bin), bunların büyük kısmı etiketli
  • İnsan, araba, köpek, sandalye gibi 80 nesne kategorisi
  • Her nesne için sınırlayıcı kutu ve piksel düzeyinde bölütleme maskesi
  • İnsanlar için vücut anahtar noktaları
  • Her görüntü için insanlar tarafından yazılmış birkaç açıklama cümlesi

Hangi görevlerde kullanılır?

  • Nesne tespiti: Nesnelerin yerini kutularla bulmak
  • Örnek bölütleme: Her nesnenin piksellerini ayrı ayrı işaretlemek (görüntü bölütleme)
  • Panoptik bölütleme: Nesneleri ve gökyüzü, çimen gibi arka plan bölgelerini birlikte etiketlemek
  • Anahtar nokta tespiti: İnsan pozunu çıkarmak
  • Görüntü altyazısı: Görüntüyü cümleyle betimlemek

Değerlendirme ölçütü

COCO'da tespit başarısı genellikle ortalama hassasiyet (AP ya da mAP) ile ölçülür. Tahmin edilen kutu ile gerçek kutunun örtüşme oranı (IoU) 0,50'den 0,95'e kadar farklı eşiklerde hesaplanır ve sonuçların ortalaması alınır. Bu, yalnızca kabaca doğru değil, konumu hassas tahminleri de ödüllendirir. Ayrıca küçük, orta ve büyük nesneler için ayrı skorlar raporlanır.

Nelere dikkat etmeli?

Etiketlerde zaman zaman hatalar bulunur ve 80 kategori gerçek dünyadaki nesne çeşitliliğinin küçük bir kısmıdır. COCO'da yüksek skor alan bir modelin, farklı ortamlarda (ör. tıbbi ya da uydu görüntüleri) aynı başarıyı göstereceği garanti değildir.

Sıkça Sorulan Sorular

COCO veri setinde kaç nesne kategorisi var?

Nesne tespiti ve örnek bölütleme görevleri için 80 nesne kategorisi bulunur. Panoptik bölütlemede bunlara gökyüzü, çimen, duvar gibi arka plan kategorileri de eklenir.

COCO mAP değeri nasıl yorumlanır?

mAP, modelin tespit ettiği kutuların doğruluğunu farklı örtüşme eşiklerinde ölçen ortalama bir skordur. Değer ne kadar yüksekse model nesneleri o kadar doğru sınıflandırıyor ve konumlarını o kadar hassas tahmin ediyor demektir.

İlgili terimler

Nesne Tespiti(Object Detection)Nesne tespiti (object detection), bir görüntü ya da videodaki nesnelerin ne olduğunu sınıflandıran ve her birinin konumunu bir sınırlayıcı kutu ile belirleyen bilgisayarlı görü görevidir.Görüntü Bölütleme(Image Segmentation)Görüntü bölütleme (image segmentation), bir görüntüdeki her pikselin hangi nesneye ya da sınıfa ait olduğunun belirlenerek görüntünün anlamlı bölgelere ayrılmasıdır; nesnelerin yalnız yerini değil, tam sınırlarını da ortaya çıkarır.IoU(Intersection over Union)IoU (Intersection over Union), nesne tespiti ve görüntü bölütlemede modelin tahmin ettiği alan ile gerçek alanın ne kadar örtüştüğünü, iki alanın kesişiminin birleşimine oranı olarak ölçen ve 0 ile 1 arasında değer alan bir ölçüttür.mAP(Mean Average Precision)mAP (mean Average Precision, ortalama kesinlik ortalaması), her sınıf ya da sorgu için hesaplanan ortalama kesinlik (AP) değerlerinin ortalamasıdır. Özellikle nesne tespiti ve arama sistemlerinde modelin hem doğru bulma hem doğru sıralama başarısını tek sayıyla özetler.Veri Seti(Dataset)Veri seti (dataset), belirli bir amaç için toplanmış ve genellikle tablo, görüntü, metin ya da ses gibi ortak bir yapıda düzenlenmiş veri koleksiyonudur. Makine öğrenmesi modelleri veri setleriyle eğitilir ve değerlendirilir.Harf Çevirisi(Transliteration)Harf çevirisi (transliterasyon), bir yazı sistemindeki metnin, anlamı çevrilmeden başka bir yazı sisteminin harfleriyle yazılmasıdır. Örneğin Kiril alfabesiyle yazılmış bir ismin Latin harflerine aktarılması harf çevirisidir.