Nesne tespiti ve Ultralytics'in YOLO modellerinin evrimi

Computer vision, makinelerin gerçek dünyayı insanların algıladığına benzer şekilde görmesini ve görüntüleri ile videoları anlamasını sağlamaya odaklanan bir yapay zeka (AI) alt dalıdır. Nesneleri tanımak veya eylemleri belirlemek insanlar için ikinci bir doğa olsa da, makineler söz konusu olduğunda bu görevler belirli ve özel computer vision teknikleri gerektirir. Örneğin, computer vision alanındaki temel görevlerden biri, görüntü veya videolar içindeki nesneleri tanımlamayı ve konumlandırmayı içeren object detection işlemidir.

1960'lardan bu yana araştırmacılar, bilgisayarların nesneleri tespit etme becerisini geliştirmek için çalışmaktadır. Şablon eşleştirme gibi erken dönem yöntemler, eşleşmeleri bulmak için önceden tanımlanmış bir şablonu bir görüntü üzerinde kaydırmayı içeriyordu. Yenilikçi olmalarına rağmen bu yaklaşımlar nesne boyutu, yönelimi ve aydınlatma değişiklikleriyle mücadele etmekte zorlanıyordu. Bugün, etkileyici bir doğrulukla küçük ve kısmen gizlenmiş nesneleri (örtülü nesneler olarak bilinir) bile tespit edebilen Ultralytics YOLO11 gibi gelişmiş modellerimiz var.

Computer vision gelişmeye devam ederken, bu teknolojilerin nasıl geliştiğine dönüp bakmak önemlidir. Bu makalede, object detection evrimini keşfedeceğiz ve YOLO (You Only Look Once) modelleri dönüşümüne ışık tutacağız. Hadi başlayalım!

Bilgisayarlı görünün kökenleri#

Object detection konusuna dalmadan önce, computer vision başlangıcına bir göz atalım. Computer vision kökenleri, bilim insanlarının beynin görsel bilgiyi nasıl işlediğini araştırmaya başladığı 1950'lerin sonlarına ve 1960'ların başlarına kadar uzanır. Kediler üzerinde yapılan deneylerde araştırmacılar David Hubel ve Torsten Wiesel, beynin kenarlar ve çizgiler gibi basit desenlere tepki verdiğini keşfetti. Bu, feature extraction fikrinin temelini oluşturdu; yani görsel sistemlerin daha karmaşık desenlere geçmeden önce görüntülerdeki kenarlar gibi temel özellikleri tespit edip tanıması konsepti.

Şekil 1. Bir kedinin beyninin ışık çubuklarına nasıl tepki verdiğini öğrenmek, computer vision alanında feature extraction geliştirilmesine yardımcı oldu.

Aynı zamanlarda, fiziksel görüntüleri dijital formatlara dönüştürebilen yeni bir teknoloji ortaya çıktı ve makinelerin görsel bilgiyi nasıl işleyebileceğine dair ilgi uyandırdı. 1966 yılında Massachusetts Institute of Technology'nin (MIT) Yaz Görüşü Projesi (Summer Vision Project) işleri daha da ileri taşıdı. Proje tamamen başarılı olmasa da, görüntülerde ön planı arka plandan ayırabilecek bir sistem oluşturmayı amaçlıyordu. Vision AI topluluğundaki birçok kişi için bu proje, computer vision bilimsel bir alan olarak resmi başlangıcını işaret eder.

Nesne algılamanın tarihini anlamak#

1990'ların sonlarında ve 2000'lerin başlarında computer vision ilerledikçe, object detection yöntemleri şablon eşleştirme gibi temel tekniklerden daha gelişmiş yaklaşımlara kaydı. Popüler yöntemlerden biri, yüz tespiti gibi görevler için yaygın olarak kullanılan Haar Cascade oldu. Görüntüleri kayan bir pencere ile tarayarak, görüntünün her bölümünde kenarlar veya dokular gibi belirli özellikleri kontrol ederek ve ardından yüzler gibi nesneleri tespit etmek için bu özellikleri birleştirerek çalışıyordu. Haar Cascade, önceki yöntemlerden çok daha hızlıydı.

Şekil 2. Yüz tespiti için Haar Cascade Kullanımı.

Bunların yanı sıra, Yönlendirilmiş Gradyanların Histogramı (HOG) ve Destek Vektör Makineleri (SVM) gibi yöntemler de tanıtıldı. HOG, bir görüntünün küçük bölümlerinde ışık ve gölgelerin nasıl değiştiğini analiz etmek için kayan pencere tekniğini kullandı ve nesneleri şekillerine göre tanımlamaya yardımcı oldu. SVM'ler daha sonra nesnenin kimliğini belirlemek için bu özellikleri sınıflandırdı. Bu yöntemler doğruluğu artırdı, ancak gerçek dünya ortamlarında hâlâ zorlandı ve günümüz tekniklerine kıyasla daha yavaştı.

Gerçek zamanlı nesne algılama ihtiyacı#

2010'larda deep learning ve Convolutional Neural Networks (CNNs) yükselişi, object detection alanında büyük bir değişimi beraberinde getirdi. CNN'ler, bilgisayarların büyük miktarda veriden önemli özellikleri otomatik olarak öğrenmesini mümkün kıldı, bu da tespiti çok daha doğru hale getirdi.

R-CNN (Region-based Convolutional Neural Networks) gibi erken dönem modeller, eski yöntemlere göre daha doğru bir şekilde nesnelerin tanımlanmasına yardımcı olarak hassasiyette büyük bir gelişmeydi.

Ancak bu modeller, görüntüleri birden fazla aşamada işledikleri için yavaştı ve bu da onları sürücüsüz arabalar veya video gözetimi gibi alanlardaki gerçek zamanlı uygulamalar için pratik olmaktan çıkarıyordu.

İşleri hızlandırmaya odaklanılarak daha verimli modeller geliştirildi. Fast R-CNN ve Faster R-CNN gibi modeller, ilgi alanlarının seçilme şeklini iyileştirerek ve tespit için gereken adım sayısını azaltarak yardımcı oldu. Bu, object detection işlemini daha hızlı hale getirse de, anlık sonuçlar gerektiren birçok gerçek dünya uygulaması için hâlâ yeterince hızlı değildi. Gerçek zamanlı tespit için artan talep, hem hız hem de doğruluğu dengeleyebilecek daha hızlı ve daha verimli çözümlerin geliştirilmesini tetikledi.

Şekil 3. R-CNN, Fast R-CNN ve Faster R-CNN hızlarının karşılaştırılması.

YOLO (You Only Look Once) modelleri: Önemli bir dönüm noktası#

YOLO, görüntü ve videolardaki birden fazla nesnenin gerçek zamanlı olarak tespit edilmesini sağlayarak computer vision yeniden tanımlayan bir object detection modelidir ve bu da onu önceki tespit yöntemlerinden oldukça benzersiz kılar. Tespit edilen her nesneyi ayrı ayrı analiz etmek yerine, YOLO mimarisi object detection tek bir görev olarak ele alır ve CNN'leri kullanarak nesnelerin konumunu ve sınıfını tek seferde tahmin eder.

Model, bir görüntüyü bir ızgaraya bölerek çalışır ve her parça kendi bölgesindeki nesneleri tespit etmekten sorumludur. Her bölüm için birden fazla tahmin yapar ve daha az güvenilir sonuçları filtreleyerek yalnızca doğru olanları tutar.

Şekil 4. YOLO Nasıl Çalışır Genel Bakış.

YOLO'nun computer vision uygulamalarına kazandırılması, object detection daha önceki modellerden çok daha hızlı ve verimli hale getirdi. Hızı ve doğruluğu sayesinde YOLO, üretim, sağlık ve robotik gibi endüstrilerde gerçek zamanlı çözümler için hızla popüler bir seçenek haline geldi.

Belirtilmesi gereken bir diğer önemli nokta da, YOLO açık kaynaklı olduğu için geliştiricilerin ve araştırmacıların onu sürekli olarak geliştirebilmesi ve daha da gelişmiş sürümlere yol açmasıdır.

YOLO'dan Ultralytics YOLO11'e giden yol#

YOLO modelleri, her sürümün ilerlemeleri üzerine inşa edilerek zaman içinde istikrarlı bir şekilde gelişti. Daha iyi performansın yanı sıra, bu iyileştirmeler modelleri farklı teknik deneyim seviyelerine sahip kişiler için kullanımı daha kolay hale getirdi.

Örneğin, Ultralytics YOLOv5 tanıtıldığında, modelleri devreye almak PyTorch ile daha basit hale geldi ve daha geniş bir kullanıcı yelpazesinin gelişmiş yapay zeka ile çalışmasına olanak tanıdı. Doğruluk ve kullanılabilirliği bir araya getirerek daha fazla insana kodlama uzmanı olmaya gerek kalmadan object detection uygulama yeteneği verdi.

Şekil 5. YOLO modellerinin evrimi.

Ultralytics YOLOv8, örnek bölütleme gibi görevler için destek ekleyerek ve modelleri daha esnek hale getirerek bu ilerlemeyi sürdürdü. YOLO'yu hem temel hem de daha karmaşık uygulamalar için kullanmak daha kolay hale geldi ve bu da onu çeşitli senaryolarda yararlı kıldı.

En son model olan Ultralytics YOLO11 ile daha fazla optimizasyon yapıldı. Parametre sayısı azaltılırken doğruluk artırıldı ve bu sayede gerçek zamanlı görevler için artık daha verimli hale geldi. İster deneyimli bir geliştirici olun ister yapay zekada yeni olun, YOLO11 kolayca erişilebilen gelişmiş bir object detection yaklaşımı sunar.

Ultralytics YOLO11'i tanımak: Yeni özellikler ve iyileştirmeler#

Ultralytics'in yıllık hibrit etkinliği YOLO Vision 2024 (YV24) lansmanı yapılan YOLO11, object detection, örnek bölütleme, görüntü sınıflandırma ve poz tahmini gibi YOLOv8 ile aynı computer vision görevlerini destekler. Böylece kullanıcılar iş akışlarını ayarlamak zorunda kalmadan bu yeni modele kolayca geçiş yapabilir. Ek olarak, YOLO11'in yükseltilmiş mimarisi tahminleri daha da hassas hale getirir. Aslında YOLO11m, YOLOv8m'e göre %22 daha az parametreyle COCO veri kümesinde daha yüksek bir ortalama ortalama hassasiyet (mAP) elde eder.

YOLO11 ayrıca akıllı telefonlar ve diğer uç cihazlardan daha güçlü bulut sistemlerine kadar çeşitli platformlarda verimli bir şekilde çalışacak şekilde üretilmiştir. Bu esneklik, gerçek zamanlı uygulamalar için farklı donanım kurulumlarında sorunsuz performans sağlar. Buna ek olarak YOLO11 daha hızlı ve daha verimlidir, hesaplama maliyetlerini düşürür ve çıkarım sürelerini hızlandırır. İster Ultralytics Python paketini ister kodsuz Ultralytics HUB kullanıyor olun, YOLO11 mevcut iş akışlarınıza entegre etmek kolaydır.

YOLO modellerinin ve nesne algılamanın geleceği#

Gelişmiş nesne algılamanın gerçek zamanlı uygulamalar ve uç yapay zeka üzerindeki etkisi sektörlerde şimdiden hissediliyor. Petrol ve gaz, sağlık ve perakende gibi sektörler yapay zekaya giderek daha fazla güvendikçe, hızlı ve hassas nesne algılama talebi artmaya devam ediyor. Ultralytics YOLO11, sınırlı bilgi işlem gücüne sahip cihazlarda bile yüksek performanslı algılama sağlayarak bu talebe yanıt vermeyi amaçlar.

Uç yapay zeka büyüdükçe, Ultralytics YOLO11 gibi nesne algılama modellerinin, hız ve doğruluğun kritik olduğu ortamlarda gerçek zamanlı karar verme için daha da vazgeçilmez hale gelmesi muhtemeldir. Tasarım ve uyarlanabilirlikteki devam eden gelişmelerle birlikte, nesne algılamanın geleceği, çeşitli uygulamalarda daha da fazla yenilik getirmeye hazır görünmektedir.

Öne çıkanlar#

Nesne algılama, basit yöntemlerden bugün gördüğünüz gelişmiş derin öğrenme tekniklerine evrilerek uzun bir yol kat etti. YOLO modelleri, farklı sektörlerde daha hızlı ve daha doğru gerçek zamanlı algılama sağlayarak bu ilerlemenin merkezinde yer almıştır. Ultralytics YOLO11 bu mirası temel alarak verimliliği artırır, hesaplama maliyetlerini düşürür ve doğruluğu geliştirir, bu da onu çeşitli gerçek zamanlı uygulamalar için güvenilir bir seçim haline getirir. Yapay zeka ve bilgisayarlı görüdeki sürekli ilerlemelerle birlikte, nesne algılamanın geleceği parlak görünmektedir ve hız, hassasiyet ve uyarlanabilirlikte daha da fazla iyileştirme için alan bulunmaktadır.

Yapay zeka hakkında meraklı mısın? Öğrenmeye devam etmek için topluluğumuzla bağlantıda kal! Yapay zekayı üretim ve sağlık gibi sektörlerde yenilikçi çözümler yaratmak için nasıl kullandığımızı keşfetmek üzere GitHub depolarımıza göz at. 🚀