| # Sınıflandırıcı eğitim parametreleri | |
| # METHODOLOGY.md ana model: ConvNeXt-Small | |
| # Desteklenen modeller: | |
| # convnext_tiny, convnext_small, convnext_base | |
| # dinov3_vits14, dinov3_vitb14, dinov3_vitl14 | |
| # resnet50 (baseline — Verwimp et al. 2025: Top-1 87.1%) | |
| # efficientnet_b3, tf_efficientnetv2_s, tf_efficientnetv2_m | |
| # swin_tiny_patch4_window7_224 | |
| model_name: convnext_small | |
| epochs: 100 | |
| batch: 64 # GPU başına batch size | |
| lr: 0.0005 # Base LR (DDP'de world_size ile ölçeklenir) | |
| img_size: 224 # ResNet50 standardı (128'den yükseltildi) | |
| patience: 25 | |
| device: 0 | |
| workers: 10 # GPU başına max worker | |
| name: hitit_cls_v1 | |
| # Loss | |
| loss: focal # focal, ldam, cross_entropy | |
| label_smoothing: 0.1 | |
| focal_gamma: 2.0 | |
| focal_alpha: 1.0 # Çok sınıflı focal için 1.0 (binary'deki 0.25 değil); dengeleme class_weights üzerinden yapılıyor | |
| # Augmentation | |
| mixup: true | |
| mixup_alpha: 0.2 | |
| tailmix: true # TailMix: nadir sınıflar için (Li et al. 2023) | |
| tailmix_threshold: 50 # Bu sayıdan az örneği olan sınıflar "tail" | |
| # Scheduler | |
| scheduler: cosine_warm_restarts | |
| T_0: 20 | |
| T_mult: 2 | |
| eta_min: 0.000001 | |
| # Sınıf dengesizliği | |
| use_weighted_sampler: true | |
| class_weight_method: effective_num # sqrt → effective_num (daha iyi long-tail) | |
| # EfficientNet-specific settings | |
| efficientnet: | |
| drop_rate: 0.3 | |
| drop_path_rate: 0.2 | |