Ultralytics YOLO11 ile küçük nesne algılamayı keşfet

Görsel yapay zekâ entegre edilmiş dronlar yerden yüzlerce metre yüksekte uçabilir; buna rağmen video akışlarında yalnızca birkaç piksel boyutunda görünen bir kişiyi algılamaları beklenir. Aslında bu, sistemlerin bir görüntüdeki çok küçük nesneleri tanımlaması gereken robotik, gözetim ve uzaktan algılama gibi uygulamalarda sık karşılaşılan bir zorluktur.

Ancak geleneksel nesne algılama modelleri bunu yapmakta zorlanabilir. Görüntü ve videolardaki küçük nesneler çok sınırlı görsel bilgi içerir. Basitçe söylemek gerekirse, model bu nesnelere baktığında öğrenecek veya tanıyacak fazla ayrıntı bulamaz.

Bu modeller, perde arkasında genellikle evrişimli sinir ağı (CNN) tabanlı bir mimariye dayanır. Görüntüler ağın katmanlarından geçirilerek ham pikseller yerine ilgili örüntüleri öne çıkaran özellik haritalarına veya basitleştirilmiş temsillere dönüştürülür.

Görüntü ağın derinliklerine ilerledikçe bu özellik haritaları küçülür. Bu, hesaplamayı hızlandırır; ancak ince ayrıntıların kaybolabileceği anlamına da gelir.

Küçük nesneler için bu ayrıntılar kritik önemdedir. Ayrıntılar kaybolduğunda bilgisayarlı görü modeli nesneyi algılamakta zorlanabilir; bu da sınırlayıcı kutuların daha az doğru veya tutarsız olmasına yol açabilir.

Gerçek zamanlı, uçtan uca bilgisayarlı görü sistemleri bu işi daha da zorlaştırır. Yüksek çözünürlüklü görüntüler ayrıntıların korunmasına yardımcı olur; ancak çıkarımı yavaşlatır ve daha fazla GPU gücü gerektirir. Düşük çözünürlükler daha hızlı çalışır, ancak küçük nesnelerin algılanmasını daha da zorlaştırır.

Hız, doğruluk ve donanım sınırları arasında sürekli bir denge kurmak gerekir. Son dönemdeki teknolojik gelişmeler sayesinde Ultralytics YOLO11 gibi bilgisayarlı görü modelleri ve yakında çıkacak Ultralytics YOLO26, bu dengeyi daha etkili biçimde yönetmek üzere tasarlanmıştır.

Şekil 1. Hava görüntülerindeki küçük nesneleri algılamak için YOLO11 kullanımı (Kaynak)

Bu makalede küçük nesne algılamanın neden zor olduğunu ve Ultralytics YOLO11'in bunu nasıl kolaylaştırabileceğini inceleyeceğiz. Hadi başlayalım!

Küçük nesne algılama nedir ve neden önemlidir?#

Küçük nesne algılama, yapay zekânın bir dalı olan bilgisayarlı görü kapsamında, görüntünün çok küçük bir bölümünü kaplayan nesneleri tanımlamaya ve konumlandırmaya odaklanan bir görevdir. Bu nesneler, genellikle dijital görüntünün en küçük birimleri olan az sayıda piksel ile temsil edilir. Bu nedenle algılanmaları, daha büyük ve net hedeflere (genellikle daha fazla piksel içeren hedeflere) kıyasla daha zordur.

Örneğin hava görüntülerindeki araçlar, fabrika zeminindeki aletler veya geniş açılı gözetim kameralarının kaydettiği kişiler, görüntüde küçük nesneler olarak görünebilir. Bu nesneleri algılamak önemlidir; çünkü çoğu kritik bilgiler içerir ve gözetim gibi birçok gerçek dünya uygulamasının doğru çalışması bu algılamalara bağlıdır.

Küçük nesneler gözden kaçırıldığında sistem performansı ve karar verme süreçleri etkilenebilir. İnsansız hava aracı (UAV) izleme buna iyi bir örnektir; yerdeki hareketli küçük bir nesnenin gözden kaçırılması navigasyon veya takip doğruluğunu etkileyebilir.

Küçük nesneleri algılamayla ilgili zorluklar#

Önceki sistemler, yoğun veya değişken sahnelerde zorlanan, elle tasarlanmış özellikler ve geleneksel bilgisayarlı görü yöntemleri kullanıyordu. Derin öğrenme modelleri günümüzde çok daha iyi performans gösterse de hedefler görüntünün yalnızca çok küçük bir bölümünü kapladığında küçük nesneleri algılamak hâlâ zordur.

Şimdi, küçük nesneleri algılarken farklı gerçek dünya senaryolarında karşılaşılan yaygın zorluklardan bazılarına bakalım.

Boyut, pikseller ve bilgi kaybı#

Küçük nesneler çok az piksel içerir; bu da özellik çıkarımı gibi aşamalarda modelin öğrenebileceği görsel ayrıntı miktarını sınırlar. Sonuç olarak kenarlar, şekiller ve dokular gibi örüntüleri algılamak zorlaşır ve küçük nesnelerin arka planla kaynaşma olasılığı artar.

Görüntüler bir sinir ağının evrişim katmanlarından geçerken piksellerdeki görsel bilgi, özellik haritalarına aşamalı olarak sıkıştırılır. Bu, modelin verimli kalmasına yardımcı olur; ancak ince ayrıntıların da giderek silikleşmesine yol açar.

Şekil 2. Özellik haritaları, bir görüntüdeki görsel örüntüleri temsil eder (Kaynak)

Küçük hedeflerde önemli ipuçları, algılama ağı harekete geçme fırsatı bulamadan kaybolabilir. Böyle olduğunda konumlandırma güvenilirliğini yitirir; sınırlayıcı kutular kayabilir, üst üste gelebilir veya hedef nesneleri tamamen kaçırabilir.

Örtüşme, ölçek değişkenliği ve bağlam#

Boyutla ilgili zorluklar çoğu zaman örtüşmeden de kaynaklanır. Örtüşme, nesnelerin, özellikle de küçük nesnelerin, sahnedeki diğer nesneler tarafından kısmen gizlenmesi durumunda meydana gelir.

Bu durum, hedefin görünür alanını küçülterek nesne algılayıcısının kullanabileceği bilgiyi sınırlar. Özellikle düşük çözünürlüklü girdilerle birleştiğinde küçük bir örtüşme bile algılama ağlarının kafasını karıştırabilir. Bunun ilginç bir örneği, VisDrone gibi UAV veri kümelerinde görülebilir: yayalar, bisikletler veya araçlar binalar, ağaçlar ya da hareketli diğer nesneler tarafından kısmen gizlenebilir.

Şekil 3. VisDrone veri kümesinden küçük nesneleri gösteren bir örnek (Kaynak)

Benzer şekilde ölçek değişkenliği, aynı nesnenin uzaklığa ve kamera konumuna bağlı olarak çok küçük veya görece büyük görünmesiyle zorluğu artırır. Bu engellere rağmen algılama algoritmaları, doğruluğu kaybetmeden farklı ölçeklerdeki bu küçük nesneleri tanımalıdır.

Bağlam da algılamada önemli bir rol oynar. Örneğin büyük nesneler genellikle yararlı görsel ipuçları sunan, belirgin çevre öğeleriyle birlikte görünür. Buna karşılık küçük hedeflerde çoğu zaman bu bağlamsal bilgiler bulunmaz ve örüntüleri tanımak zorlaşır.

Küçük nesne algılamadaki gizli metrik sorunu#

Kesişim Birleşim Oranı (IoU) gibi yaygın değerlendirme metrikleri, tahmin edilen sınırlayıcı kutunun gerçek değer kutusuyla ne ölçüde örtüştüğünü ölçer. IoU büyük nesnelerde iyi çalışsa da küçük nesnelerde davranışı oldukça farklıdır.

Küçük nesneler yalnızca birkaç piksel kaplar; bu nedenle tahmin edilen kutudaki ufak bir kayma bile oransal olarak büyük bir hataya neden olabilir ve IoU puanını keskin biçimde düşürebilir. Yani nesne görüntüde görünür olsa bile küçük nesneler, tahminin doğru sayılması için kullanılan standart IoU eşiğini çoğu zaman karşılayamaz.

Sonuç olarak konumlandırma hatalarının yanlış pozitif veya yanlış negatif olarak sınıflandırılma olasılığı artar. Bu sınırlamalar, araştırmacıları nesne algılama sistemlerinin küçük ve algılanması zor hedefleri nasıl değerlendirdiğini ve ele aldığını yeniden düşünmeye yöneltmiştir.

Çok ölçekli özellikler: Gerçek zamanlı küçük nesne algılamanın anahtarı#

Araştırmacılar küçük nesne algılamayı geliştirmeye çalışırken görsel bilgiyi farklı ölçeklerde korumanın ve temsil etmenin kritik olduğu anlaşıldı. Bu görüş, yakın tarihli arXiv araştırmalarında ve IEEE Uluslararası Konferansları ile Avrupa Bilgisayarlı Görü Derneği (ECCV) gibi etkinliklerde sunulan makalelerde de vurgulanıyor.

Görüntüler bir sinir ağının derinliklerine ilerledikçe küçük nesneler ayrıntı kaybedebilir veya tamamen yok olabilir; bu nedenle Ultralytics YOLO11 gibi modern bilgisayarlı görü modelleri daha iyi özellik çıkarımına büyük önem verir. Özellik haritaları ve özellik piramidi ağlarının arkasındaki temel kavramları daha iyi anlamak için şimdi bunları adım adım inceleyelim.

Özellik haritaları ve ölçek temsili#

Uzaktan algılama görüntüsü gibi bir girdi görüntüsü sinir ağına girdiğinde, aşamalı olarak özellik haritalarına dönüştürülür. Bunlar, kenarlar, şekiller ve dokular gibi görsel örüntüleri öne çıkaran basitleştirilmiş görüntü temsilleridir.

Ağ derinleştikçe özellik haritalarının uzamsal boyutları küçülür. Bu küçülme, modelin verimli çalışmasına ve üst düzey bilgilere odaklanmasına yardımcı olur. Ancak özellik haritalarının küçülmesi ve derinleşmesi uzamsal ayrıntıları da azaltır.

Şekil 4. Özellik çıkarımı, küçük nesne algılama için kritik önemdedir. (Kaynak)

Büyük nesneler doğru algılama için yeterli görsel bilgiyi korurken, küçük hedefler yalnızca birkaç ağ katmanından sonra kritik ayrıntıları kaybedebilir. Bu olduğunda model, küçük bir nesnenin var olduğunu fark etmekte bile zorlanabilir. Küçük nesnelerin derin nesne algılama modellerinde gözden kaçmasının başlıca nedenlerinden biri budur.

Özellik piramidi ağları ve çok ölçekli öğrenme#

Özellik piramidi ağları (FPN), uzamsal ayrıntı kaybını gidermek için geliştirilmiştir. Modellerin küçük nesneleri daha etkili algılamasına yardımcı olmak amacıyla birden fazla katmandan gelen bilgileri birleştiren destekleyici bir modül olarak çalışır. Bu süreç, özellik toplama ve özellik birleştirme olarak da bilinir.

Sığ katmanlar ince uzamsal ayrıntılar sunarken derin katmanlar anlamsal bağlamı ekler ve böylece etkili çok ölçekli özellik öğrenimi mümkün olur. Özellik haritalarını yalnızca büyüten basit üst örneklemenin aksine FPN, anlamlı bilgileri korur ve küçük nesne algılamayı iyileştirir.

Modern yaklaşımlar, küçük hedeflerin algılanmasını daha da iyileştirmek için uyarlanabilir özellik birleştirme ve bağlamı dikkate alan tasarımlarla bu fikri geliştiriyor. Başka bir deyişle FPN, modellerin hem genel resmi hem de küçücük ayrıntıları aynı anda görmesine yardımcı olur. Bu optimizasyon, nesneler küçük olduğunda kritik önem taşır.

Nesne algılama modelleri küçük nesneleri ele almak için nasıl gelişti?#

Nesne algılama modellerinin, çok küçük nesneler de dâhil olmak üzere farklı boyutlardaki nesneleri daha iyi algılamak için zaman içinde nasıl geliştiğine ve ilerlediğine kısaca göz atalım:

• İlk algılama yöntemleri: İlk nesne algılama yaklaşımları, klasik görüntü işlemeye dayalı, elle tasarlanmış özelliklere ve kural tabanlı algoritmalara dayanıyordu. Bu özellikler sabit olduğundan farklı görüntülerde performans düşüyordu.
• Makine öğrenimi ve derin öğrenmenin ortaya çıkışı: Makine öğrenimi ve derin öğrenmenin benimsenmesi, nesne algılama araştırmalarında büyük bir değişime yol açtı. Önceden tanımlanmış kurallara dayanmak yerine sinir ağları, görsel temsilleri doğrudan eğitim verilerinden öğrendi ve farklı nesne boyutlarına ve sahnelere uyum sağlama kabiliyetini geliştirdi.
• Evrişimli ağlar: Bu sinir ağları görüntülerdeki örüntüleri tanımayı öğrenir. Her katman, basit kenar ve renklerle başlayıp şekillere, ardından bütün nesnelere uzanan farklı ayrıntıları yakalar. Bu özellikleriyle modern bilgisayarlı görü için vazgeçilmezdir.
• İki aşamalı nesne algılayıcıları: Girshick ve Ren tarafından tanıtılan Faster R-CNN gibi iki aşamalı algılayıcılar önce aday bölgeler oluşturur, ardından bunları sınıflandırır. Bu yaklaşım küçük nesnelerde doğruluğu artırdı; ancak hesaplama maliyetini yükseltti ve gerçek zamanlı performansı düşürdü.
• Tek aşamalı nesne algılayıcıları: SSD (Tek Atışlı Algılayıcı) ve YOLO (Yalnızca Bir Kez Bak) ailesi (YOLOv3, Ultralytics YOLOv5 ve daha sonra çıkan Ultralytics YOLOv8 dâhil) gibi tek aşamalı algılayıcılar, algılamayı tek geçişte gerçekleştirir. Bu tasarım, rekabetçi doğruluğu korurken çıkarım hızını önemli ölçüde artırır.
• En yeni, son teknoloji modeller: Daha yeni nesne algılama modelleri gerçek zamanlı performansa ve uç dağıtımına daha fazla odaklanıyor. Ultralytics YOLO11 ve yakında çıkacak Ultralytics YOLO26 gibi yeni Ultralytics YOLO model sürümleri, yüksek doğruluğu düşük gecikmeli çıkarımla dengelemek üzere tasarlanmıştır. Bu özellikleri, sınırlı işlem gücüne sahip cihazlarda küçük hedefler de dâhil olmak üzere her boyuttaki nesneyi algılamaya elverişli olmalarını sağlar.

Küçük nesne algılama uygulamalarında Ultralytics YOLO11 kullanımı#

Küçük nesne algılamanın nasıl çalıştığını artık daha iyi anladığımıza göre Ultralytics YOLO11'in kullanılabileceği birkaç gerçek dünya uygulamasına bakalım.

UAV ve hava görüntüleme#

Kalabalık bir şehir caddesinin üzerinde yüksekten uçan bir drone düşün. Bu yükseklikten arabalar, bisikletler ve hatta insanlar ekranda yalnızca birkaç piksele dönüşür.

UAV ve hava görüntüleme modülleri, ilgilenilen nesnelerin küçücük olduğu ve karmaşık arka planlarla çevrelendiği bu tür sahneleri sıklıkla kaydeder. Bu da bilgisayarlı görü modellerinin söz konusu nesneleri algılamasını zorlaştırır.

Bu tür senaryolarda Ultralytics YOLO11 ideal bir model seçeneği olabilir. Örneğin YOLO11 gibi bir modelle donatılmış drone, sahnede hareket eden araçları, bisikletlileri ve yayaları gerçek zamanlı izleyebilir; nesnelerin her biri görüntünün yalnızca küçük bir bölümünü kaplasa bile onları algılayabilir. Bu, trafik yönetimi, kamu güvenliği veya kentsel planlama gibi uygulamalarda daha hızlı karar alınmasını ve daha doğru bilgiler elde edilmesini sağlar.

Robotik ve otomasyon#

Robotlar çoğu zaman doğruluk ve zamanlamanın kritik olduğu ortamlarda kullanılır. Depolar, fabrikalar ve çiftlikler gibi yerlerde bir robotun montaj hattındaki bir parça, paketin üzerindeki bir etiket veya tarladaki küçük bir bitki filizi gibi çok küçük nesneleri tanıyıp hızlıca tepki vermesi gerekebilir.

Bu boyuttaki nesneleri algılamak, özellikle kamera görüntüsünde yalnızca birkaç piksel olarak göründüklerinde veya diğer nesneler tarafından kısmen örtüldüklerinde zor olabilir. Bu küçük ayrıntıların gözden kaçması otomasyonu yavaşlatabilir veya robotun görevini tamamlama becerisini etkileyebilir.

Ultralytics YOLO11 bu tür durumlarda fark yaratabilir. Geliştirilmiş özellik çıkarımı ve hızlı çıkarımı, robotların küçük nesneleri gerçek zamanlı algılamasını ve hemen harekete geçmesini sağlar.

Ultralytics YOLO11 örnek segmentasyonunu da destekler. Bu, robotların yalnızca genel sınırlayıcı kutuların konumunu belirlemek yerine nesne sınırlarını ve kavrama noktalarını daha hassas biçimde anlamasına yardımcı olabilir. Örneğin YOLO11 entegre edilmiş bir robot kolu, konveyör bandındaki küçük bileşenleri tespit edebilir, tam şekillerini segmentlere ayırabilir ve erişim dışına çıkmadan önce alabilir; böylece sistemin verimli ve güvenilir kalmasına yardımcı olur.

Ultralytics YOLO11'i küçük nesne algılamada etkili kılan nedir?#

Günümüzde kullanılabilen bu kadar çok bilgisayarlı görü modeli varken Ultralytics YOLO11'i öne çıkaran şeyin ne olduğunu merak ediyor olabilirsin.

Küçük nesnelerin algılanmasının gerektiği uygulamalarda Ultralytics YOLO11'in iyi bir seçenek olmasının birkaç nedeni şunlardır:

• Daha iyi özellik çıkarımı: YOLO11, özellik çıkarımını iyileştirmek için geliştirilmiş bir omurga ve boyun mimarisi kullanır; böylece nesneler daha hassas biçimde algılanır.
• Ekosistem ve kullanım kolaylığı: Ultralytics Python paketi, YOLO11 gibi modelleri yüklemek, eğitmek, doğrulamak ve dağıtmak için yerleşik işlevler sunan bir kütüphanedir. Bu iş akışları yalnızca birkaç satır kod gerektirdiğinden ekipler, küçük nesne algılama için modelleri hızla deneyebilir ve ince ayar yapabilir.
• Uç dağıtımı için optimize edildi: Ultralytics YOLO11, NVIDIA Jetson, Raspberry Pi ve endüstriyel kamera sistemleri gibi uç cihazlarda verimli biçimde çalışabilir. Basitçe söylemek gerekirse cihaz üzerinde doğrudan gerçek zamanlı görsel yapay zekâ görevlerini mümkün kılar.

Ultralytics YOLO11 ile küçük nesneleri algılarken kullanabileceğin pratik stratejiler#

Ultralytics YOLO11 gibi bir model kullanmanın yanı sıra açıklamaları nasıl hazırladığın, genel veri kümesi ve model eğitim prosedürü de algılama performansında önemli bir fark yaratabilir.

Odaklanman gerekenlere hızlıca göz atalım:

• Uygun veri artırma: Ölçeklendirme veya kırpma gibi hafif veri artırma işlemleri, modelin yeni görüntülere genelleme yapmasına yardımcı olabilir. Ancak büyük ölçekli, agresif veri artırma küçük nesneleri bozabilir veya ortadan kaldırabilir; bu da modelin bu nesneleri öğrenmesini zorlaştırır.
• Başarısızlık durumlarını inceleme: Modelin nesneleri kaçırdığı veya yanlış tanımladığı durumları analiz etmek, bir başlangıç noktası oluşturur ve sorunların veri kümesinden mi, özellik çıkarımı sırasında bilgi kaybından mı yoksa eğitim ayarlarının değiştirilmesi gereğinden mi kaynaklandığını ortaya çıkarır.
• Veri kümesinin bileşimi: Veri kümen, modelin anlamlı örüntüler öğrenebilmesi için yeterli sayıda küçük nesne örneği içermeli; eğitim sırasında büyük nesnelerin küçük nesneleri gölgede bırakmaması için de dengeli olmalıdır.

Önemli çıkarımlar#

Küçük nesne algılamak zordur; çünkü görüntüler bilgisayarlı görü modelinden geçerken küçük hedefler ayrıntı kaybeder. Ultralytics YOLO11, bu ayrıntıların korunma biçimini iyileştirerek gerçek zamanlı performanstan ödün vermeden küçük nesne algılamayı daha güvenilir hâle getirir. Bu denge, YOLO11'in gerçek dünya uygulamalarında doğru ve verimli algılamayı desteklemesini sağlar.

Büyüyen topluluğumuza katıl! Yapay zekâ hakkında daha fazla bilgi edinmek için GitHub depomuzu incele. Çözüm sayfalarımızı ziyaret ederek perakendede bilgisayarlı görü ve otomotiv sektöründe yapay zekâ gibi yenilikleri keşfet. Bugün bilgisayarlı görüyle geliştirmeye başlamak için lisanslama seçeneklerimize göz at.