Görsel modellerin tarihi

Bilgisayarlı görü nedir?#

Bir kameranın yüzünü tanıdığı, ruh hâlini analiz ettiği ve tercihlerine göre kişiselleştirilmiş ürünler önerdiği bir mağazaya girdiğini düşün; üstelik tüm bunlar gerçek zamanlı gerçekleşiyor. Bu, bilim kurgu değil, modern görü modellerinin mümkün kıldığı bir gerçeklik. Fortune Business Insights'ın bir raporuna göre küresel bilgisayarlı görü pazarının büyüklüğü 2025'te 20,75 milyar ABD doları olarak değerlendirildi ve 2026'da 24,14 milyar dolardan 2034'te 72,80 milyar dolara yükselmesi öngörülüyor. Bu, söz konusu teknolojinin çeşitli sektörlerde hızla ilerlediğini ve giderek daha fazla benimsendiğini gösteriyor.

Bilgisayarlı görü alanı, bilgisayarların görüntülerdeki nesneleri algılamasını, tanımasını ve analiz etmesini sağlar. Yapay zekâyla ilgili diğer alanlar gibi bilgisayarlı görü de son birkaç on yılda hızla gelişti.

Bilgisayarlı görünün geçmişi oldukça kapsamlıdır. İlk dönemlerinde bilgisayarlı görü modelleri basit şekilleri ve kenarları algılayabiliyordu; çoğunlukla geometrik desenleri tanıma ya da aydınlık ve karanlık alanları ayırt etme gibi temel görevlerle sınırlıydı. Ancak günümüz modelleri gerçek zamanlı nesne algılama, yüz tanıma ve hatta yüz ifadelerinden duyguları yorumlama gibi karmaşık görevleri olağanüstü doğruluk ve verimlilikle yerine getirebiliyor. Bu çarpıcı ilerleme, hesaplama gücü, algoritma karmaşıklığı ve eğitim için kullanılabilen büyük miktardaki veride kaydedilen önemli gelişmeleri ortaya koyuyor.

Bu makalede bilgisayarlı görünün gelişimindeki önemli dönüm noktalarını ele alacağız. İlk dönemlerine uzanacak, Evrişimli Sinir Ağlarının (CNNs) dönüştürücü etkisini inceleyecek ve ardından gelen önemli gelişmelere göz atacağız.

Bilgisayarlı görünün ilk dönemleri#

Diğer yapay zekâ alanlarında olduğu gibi bilgisayarlı görünün ilk gelişimi de temel araştırmalar ve teorik çalışmalarla başladı. Önemli bir dönüm noktası, Lawrence G. Roberts'ın 3B nesne tanıma üzerine öncü çalışmasıydı. Roberts bu çalışmayı 1960'ların başında "Üç Boyutlu Katı Cisimlerin Makineyle Algılanması" başlıklı tezinde belgelemişti. Katkıları, alandaki sonraki gelişmelerin temelini attı.

İlk algoritmalar - kenar tespiti#

Bilgisayarlı görü üzerine yapılan ilk araştırmalar, kenar tespiti ve özellik çıkarımı gibi görüntü işleme tekniklerine odaklandı. 1960'ların sonlarında geliştirilen Sobel operatörü gibi algoritmalar, görüntü yoğunluğunun gradyanını hesaplayarak kenarları tespit eden ilk yöntemler arasındaydı.

Şekil 1. Kenar tespitini gösteren bir görüntü; sol tarafta orijinal nesne, sağ tarafta ise kenarları tespit edilmiş hâli yer alıyor.

Sobel ve Canny kenar tespit yöntemleri gibi teknikler, nesneleri tanımak ve sahneleri anlamak için gerekli olan görüntü sınırlarının belirlenmesinde kritik rol oynadı.

Makine öğrenimi ve bilgisayarlı görü#

Örüntü tanıma#

1970'lerde örüntü tanıma, bilgisayarlı görünün önemli bir alanı olarak öne çıktı. Araştırmacılar görüntülerdeki şekilleri, dokuları ve nesneleri tanımaya yönelik yöntemler geliştirerek daha karmaşık görsel görevlerin önünü açtı.

Şekil 2. Örüntü tanıma.

Örüntü tanımada kullanılan ilk yöntemlerden biri, en iyi eşleşmeyi bulmak için bir görüntünün bir şablon kümesiyle karşılaştırıldığı şablon eşleştirmeydi. Bu yaklaşım; ölçek, döndürme ve gürültü farklılıklarına duyarlılığı nedeniyle sınırlıydı.

Şekil 3. Sol taraftaki şablon, sağdaki görüntünün içinde bulundu.

İlk bilgisayarlı görü sistemleri, dönemin sınırlı işlem gücü nedeniyle kısıtlıydı. 1960'larda ve 1970'lerde bilgisayarlar hantal ve pahalıydı; işlem kapasiteleri de sınırlıydı.

Derin Öğrenmeyle oyunun kurallarını değiştirmek#

Derin Öğrenme ve Evrişimli Sinir Ağları#

Derin öğrenme ve Evrişimli Sinir Ağları (CNNs), bilgisayarlı görü alanında dönüm noktası oldu. Bu gelişmeler, bilgisayarların görsel verileri yorumlama ve analiz etme biçimini kökten değiştirdi ve daha önce olanaksız olduğu düşünülen çok çeşitli uygulamaları mümkün kıldı.

CNN'ler nasıl çalışır?#

Şekil 4. Evrişimli Sinir Ağı (CNN) mimarisi.

1. Evrişim Katmanları: CNN'ler, görüntüyü filtreler veya çekirdekler kullanarak taramak için evrişim katmanlarından yararlanır. Bu filtreler, görüntü üzerinde kayarak ve nokta çarpımlarını hesaplayarak kenarlar, dokular ve renkler gibi çeşitli özellikleri algılar. Her filtre, görüntüdeki belirli örüntüleri etkinleştirerek modelin hiyerarşik özellikleri öğrenmesini sağlar.
2. Aktivasyon Fonksiyonları: Evrişimden sonra, girdiyi pozitifse doğrudan çıktıya aktaran, aksi hâlde sıfır veren ReLU (Düzeltilmiş Doğrusal Birim) gibi aktivasyon fonksiyonları doğrusal olmayanlık sağlar. Bu, ağın karmaşık örüntüleri ve temsilleri öğrenmesine yardımcı olur.
3. Havuzlama Katmanları: Havuzlama katmanları, özellik haritasının boyutlarını azaltan bir alt örnekleme işlemi uygular. Hesaplama maliyetini ve aşırı öğrenmeyi azaltırken en ilgili özelliklerin çıkarılmasına yardımcı olur.
4. Tam Bağlantılı Katmanlar: CNN'in son katmanları, evrişim ve havuzlama katmanlarının çıkardığı özellikleri yorumlayarak tahminler yapan tam bağlantılı katmanlardır. Bu katmanlar, geleneksel sinir ağlarındaki katmanlara benzer.

CNN tabanlı görsel modellerin gelişimi#

CNN tabanlı görüntü modellerinin evrimi, dikkate değer birkaç mimariyi içeriyor:

• LeNet (1989): LeNet, öncelikle el yazısıyla yazılmış çeklerdeki rakamları tanımak için kullanılan en eski CNN mimarilerinden biriydi. Başarısı, görüntü işlemede derin öğrenmenin potansiyelini kanıtlayarak daha karmaşık CNN'lerin temelini attı.
• AlexNet (2012): AlexNet, ImageNet yarışmasında mevcut modelleri önemli ölçüde geride bırakarak derin öğrenmenin gücünü ortaya koydu. ReLU etkinleştirmelerini, dropout'u ve veri artırmayı kullanan model, görüntü sınıflandırmada yeni ölçütler belirledi ve CNN'lere olan ilgiyi yaygınlaştırdı.
• VGGNet (2014): VGGNet, daha küçük evrişim filtreleri (3x3) kullanarak görüntü sınıflandırma görevlerinde etkileyici sonuçlar elde etti ve daha yüksek doğruluk sağlamada ağ derinliğinin önemini pekiştirdi.
• ResNet (2015): ResNet, artık öğrenmeyi kullanıma sunarak derin ağlardaki bozulma sorununu ele aldı. Bu yenilik, çok daha derin ağların eğitilmesini sağlayarak çeşitli bilgisayarlı görü görevlerinde en ileri düzeyde performans elde edilmesine öncülük etti.
• YOLO (Yalnızca Bir Kez Bak): YOLO, nesne algılamayı tek bir regresyon problemi olarak ele alarak dönüştürdü; tüm görüntülerden sınırlayıcı kutuları ve sınıf olasılıklarını tek bir değerlendirmede doğrudan tahmin etti. Bu yaklaşım, yüksek hız ve doğrulukla gerçek zamanlı nesne algılamayı mümkün kılarak otonom sürüş ve gözetim gibi anında işlem gerektiren uygulamalar için uygun hâle getirdi.

Bilgisayarlı görü uygulamaları#

Sağlık hizmetleri#

Bilgisayarlı görünün kullanım alanları çok çeşitlidir. Örneğin Ultralytics YOLOv8 gibi görüntü modelleri, kanser ve diyabetik retinopati gibi hastalıkları tespit etmek için tıbbi görüntülemede kullanılır. Bu modeller röntgenleri, MR ve BT taramalarını yüksek hassasiyetle analiz ederek anormallikleri erken aşamada belirler. Bu erken tespit yeteneği, zamanında müdahaleyi ve hasta sonuçlarının iyileştirilmesini sağlar.

Şekil 5. Ultralytics YOLOv8 kullanılarak beyin tümörü tespiti.

Çevrenin korunması#

Bilgisayarlı görü modelleri, yaban hayatı yaşam alanlarından alınan görüntüleri ve videoları analiz ederek nesli tehlike altındaki türlerin izlenmesine ve korunmasına yardımcı olur. Hayvanları tanır ve davranışlarını izleyerek popülasyonları ve hareketleri hakkında veri sağlar. Bu teknoloji, kaplanlar ve filler gibi türleri korumaya yönelik stratejilere ve politika kararlarına bilgi sağlar.

Görsel yapay zekâ sayesinde orman yangınları ve ormansızlaşma gibi diğer çevresel tehditler izlenebilir ve yerel yetkililerin hızla müdahale etmesi sağlanabilir.

Şekil 6. Orman yangınının uydu görüntüsü.

Zorluklar ve geleceğe yönelik adımlar#

Önemli başarılarına rağmen görüntü modelleri, karmaşıklıkları ve geliştirme süreçlerinin zorlu doğası nedeniyle hâlâ pek çok sorunla karşı karşıya; bu sorunlar sürekli araştırma gerektiriyor.

Yorumlanabilirlik ve açıklanabilirlik#

Özellikle derin öğrenme tabanlı görüntü modelleri, son derece karmaşık oldukları için şeffaflıkları sınırlı olan "kara kutular" olarak görülür. Bu yorumlanabilirlik eksikliği, özellikle sağlık hizmetleri gibi kritik uygulamalarda güveni ve hesap verebilirliği engeller.

Hesaplama gereksinimleri#

En ileri düzeydeki yapay zekâ modellerini eğitmek ve devreye almak önemli ölçüde hesaplama kaynağı gerektirir. Bu durum, çoğu zaman büyük miktarda görüntü ve video verisinin işlenmesini gerektiren görsel modeller için özellikle geçerlidir. En yoğun veri gerektiren eğitim girdileri arasında yer alan yüksek çözünürlüklü görüntü ve videolar, hesaplama yükünü artırır. Örneğin tek bir HD görüntü birkaç megabayt depolama alanı kaplayabilir; bu da eğitim sürecini kaynak yoğun ve zaman alıcı hâle getirir.

Etkili görüntü modelleri geliştirirken söz konusu olan kapsamlı verileri ve karmaşık hesaplamaları işlemek için güçlü donanım ve optimize edilmiş bilgisayarlı görü algoritmaları gerekir. Daha verimli mimariler, model sıkıştırma ve GPU'lar ile TPU'lar gibi donanım hızlandırıcıları üzerine yapılan araştırmalar, görüntü modellerinin ilerlemesi açısından kritik önem taşır.

Bu iyileştirmeler, hesaplama gereksinimlerini azaltmayı ve işleme verimliliğini artırmayı amaçlıyor. Ayrıca Ultralytics YOLOv8 ve Ultralytics YOLO26 gibi ardılları gibi gelişmiş, önceden eğitilmiş modelleri kullanmak kapsamlı eğitim ihtiyacını önemli ölçüde azaltabilir; böylece geliştirme süreci kolaylaşır ve verimlilik artar.

Sürekli değişen bir alan#

Günümüzde görüntü modellerinin uygulamaları, tümör tespiti gibi sağlık uygulamalarından trafik izleme gibi günlük kullanımlara kadar yaygınlaştı. Bu gelişmiş modeller, daha önce erişilemeyen doğruluk, verimlilik ve yetenekler sunarak sayısız sektöre yenilik getirdi.

Teknoloji ilerlemeyi sürdürdükçe görüntü modellerinin yaşamın ve sektörlerin çeşitli alanlarını iyileştirme potansiyeli de artıyor. Bu sürekli gelişim, bilgisayarlı görü alanında araştırma ve geliştirmenin devam etmesinin önemini vurguluyor.

Vision AI'ın geleceğini merak ediyor musun? En yeni gelişmeler hakkında daha fazla bilgi için Ultralytics Belgeleri sayfasını incele, projelerimize Ultralytics GitHub ve YOLOv8 GitHub üzerinden göz at. Ayrıca farklı sektörlerdeki yapay zekâ uygulamalarına dair bilgiler için Otonom Araçlar ve Üretim çözüm sayfaları özellikle yararlı bilgiler sunuyor.