Ultralytics YOLOv8 ve OpenVINO ile sıra yönetiminde devrim

YOLO Vision 2023 (YV23) etkinliğinde Intel'de Yazılım Tanıtım Sorumlusu olan Adrian Boguszewski, Ultralytics YOLOv8 ve Intel'in OpenVINO çözümünü kullanarak kuyruk yönetimini iyileştirme üzerine bir açılış konuşması yaptı. Konuşmasından öne çıkanlar şunlardır.

Kuyruk yönetimi neden önemli?#

Adrian konuşmasına evrensel bir sorunu ele alarak başladı: kuyrukları yönetmenin manuel olarak yürütülen zahmetli işi. Manuel sayımın verimsizliğini anlattı ve otomatik bir çözüme duyulan ihtiyeti vurguladı.

Önerdiği yaklaşım, süreci otomatikleştirmek için video akışları ve derin öğrenme algoritmalarından yararlanmaktı.

Akıllı kuyruk yönetimiyle tanışın#

Adrian'ın akıllı kuyruk yönetimi yaklaşımı, kuyrukları gerçek zamanlı tespit etmek ve izlemek için yapay zekâdan yararlanıyor. İlgi alanları tanımlayıp bu alanlardaki kişileri sayan sistem, kuyruklar kapasiteyi aştığında mağaza çalışanlarını uyarabiliyor.

Başarının dört temel taşı#

Bu çözüm 4 basit adıma ayrıldı:

1. Video Yakalama: Gerçek zamanlı verileri yakalamak için standart video akışlarını veya canlı yayınları kullan.
2. Müşteri Tespiti: Müşterileri doğru ve verimli biçimde tespit etmek için Ultralytics YOLOv8'i kullan.
3. Sayım ve uyarı: Belirlenen bölgelerdeki müşterileri say ve kuyruklar kapasiteyi aştığında uyarıları tetikle.
4. Dağıtım: Tek kartlı bilgisayarlardan kurumsal donanımlara kadar çözümü OpenVINO kullanarak dağıt.

OpenVINO ile geliştiricileri güçlendirmek#

Adrian, yapay zekâ çıkarımını optimize edip dağıtmaya yönelik açık kaynaklı bir araç seti olan Intel OpenVINO'yu tanıttı. Çok çeşitli çerçeveleri ve donanımları destekleyen OpenVINO, farklı platformlarda daha iyi performans ve tutarlı dağıtım sağlamayı amaçlıyor.

Optimizasyonu kolaylaştırmak#

Adrian ayrıca önemli bir optimizasyon tekniğini ele aldı: sinir ağı sıkıştırma. Eğitim sonrası nicemleme gibi tekniklerle modeller, doğruluktan çok az ödün vererek sıkıştırılabilir ve böylece çıkarım hızlandırılabilir.

Ultralytics YOLOv8; nesne tespiti, segmentasyon, sınıflandırma ve poz tahmini gibi görevler için optimize edilmiş, yüksek hızlı modeller sunar. YOLOv8.1 sürümüyle bu görevlere Yönelimli Sınırlayıcı Kutular (OBB) tespiti de eklendi.

OBB tespiti, farklı açı ve yönlerdeki nesneleri ele alır; bu nedenle hava görüntüleri ve metinlerdeki eğimli nesneler için çok uygundur.

Döndürülmüş kutular nesnelere daha sıkı oturduğundan OBB, her nesnenin çevresindeki arka plan etkisini azaltır; bu da sonraki sınıflandırma modellerine fayda sağlayabilir.

Kuramdan uygulamaya: Canlı demo#

Konuşmanın öne çıkan bölümü canlı demoydu. Adrian, birkaç satır kodla gerçek zamanlı müşteri sayımını, otomatik uyarıları ve performans ölçümlerini gösterdi.

Şekil 1. Adrian Boguszewski, Madrid'deki Google for Startups Campus'te düzenlenen YOLO Vision 2023'te sunum yaparken.

Performans önemlidir#

Intel donanımlarında yapılan performans ölçümleri, Intel Core i7 CPU'lardan Intel Xeon sunucularına kadar bu çözümün gerçek dünyada uygulanabilir olduğunu ve güçlü performans sunduğunu gösterdi.

Kolay dağıtım#

Sunum sırasında iki dağıtım seçeneği sunuldu: teknolojiye hâkim olanlar için betikler, uygulamalı çalışmayı tercih edenler için Jupyter not defterleri. Kapsamlı belgeler ve adım adım talimatlar çözümün dağıtımını kolaylaştırıyor.

Kapanış!#

Adrian konuşmasını, geliştiricileri bu proje ve Intel'in Edge AI referans kitleri gibi açık kaynaklı projelerle kendi akıllı kuyruk yönetimi sistemlerini geliştirmeye davet ederek bitirdi.

Intel'in sponsorluğu ve Adrian'ın YV23'teki konuşması, yapay zekâ topluluğunda iş birliğinin değerini vurguluyor.

YouTube'da konuşmanın tamamını izle.