Nesne tespiti ve Ultralytics YOLO modellerinin gelişimi

Bilgisayarlı görü, makinelerin gerçek dünyayı insanların algıladığı gibi görmesini ve anlamasını öğretmeye odaklanan bir yapay zekâ (AI) alt alanıdır. Nesneleri tanımak veya eylemleri belirlemek insanlar için çok doğal olsa da makineler söz konusu olduğunda bu görevler özel bilgisayarlı görü teknikleri gerektirir. Örneğin, bilgisayarlı görüdeki temel görevlerden biri, görüntülerde veya videolarda nesneleri belirleyip konumlarını saptamayı içeren nesne tespitidir.

1960’lardan beri araştırmacılar, bilgisayarların nesneleri tespit etme becerisini geliştirmek için çalışıyor. Şablon eşleme gibi ilk yöntemlerde, eşleşmeleri bulmak için önceden tanımlanmış bir şablon görüntü üzerinde kaydırılıyordu. Yenilikçi olsalar da bu yaklaşımlar nesne boyutu, yönü ve aydınlatmadaki değişikliklerle baş etmekte zorlanıyordu. Bugün, küçük ve kısmen gizlenmiş, yani örtülmüş nesneleri bile etkileyici bir doğrulukla tespit edebilen Ultralytics YOLO11 gibi gelişmiş modellerimiz var.

Bilgisayarlı görü gelişmeye devam ederken, bu teknolojilerin nasıl geliştiğine dönüp bakmak önemlidir. Bu makalede nesne tespitinin evrimini inceleyecek ve YOLO (You Only Look Once) modellerinin dönüşümüne ışık tutacağız.

Bilgisayarlı görünün kökenleri#

Nesne tespitine geçmeden önce, bilgisayarlı görünün nasıl başladığına bakalım. Bilgisayarlı görünün kökenleri, bilim insanlarının beynin görsel bilgiyi nasıl işlediğini araştırmaya başladığı 1950’lerin sonu ile 1960’ların başına uzanır. David Hubel ve Torsten Wiesel, kediler üzerinde yaptıkları deneylerde beynin kenarlar ve çizgiler gibi basit örüntülere tepki verdiğini keşfetti. Bu keşif, görsel sistemlerin daha karmaşık örüntülere geçmeden önce görüntülerdeki kenarlar gibi temel özellikleri tespit edip tanıdığı fikrine, yani özellik çıkarımına temel oluşturdu.

Şekil 1. Bir kedinin beyninin ışık şeritlerine nasıl tepki verdiğini öğrenmek, bilgisayarlı görüde özellik çıkarımının geliştirilmesine yardımcı oldu.

Aynı dönemde, fiziksel görüntüleri dijital biçimlere dönüştürebilen yeni teknolojiler ortaya çıktı ve makinelerin görsel bilgiyi nasıl işleyebileceğine yönelik ilgiyi artırdı. 1966’da Massachusetts Teknoloji Enstitüsünün (MIT) Summer Vision Project’i çalışmaları ileriye taşıdı. Proje bütünüyle başarılı olmasa da görüntülerde ön planı arka plandan ayırabilecek bir sistem oluşturmayı amaçlıyordu. Görsel yapay zekâ topluluğundaki birçok kişi için bu proje, bilgisayarlı görünün bilimsel bir alan olarak resmen başlangıcını işaret eder.

Nesne algılama tarihini anlamak#

Bilgisayarlı görü 1990’ların sonu ve 2000’lerin başında ilerledikçe, nesne tespit yöntemleri şablon eşleme gibi temel tekniklerden daha gelişmiş yaklaşımlara kaydı. Popüler yöntemlerden biri, yüz tespiti gibi görevlerde yaygın olarak kullanılmaya başlayan Haar Cascade’di. Görüntüleri kayan bir pencereyle tarıyor, her bölümde kenar veya doku gibi belirli özellikleri kontrol ediyor ve ardından yüz gibi nesneleri tespit etmek için bu özellikleri birleştiriyordu. Haar Cascade, önceki yöntemlerden çok daha hızlıydı.

Şekil 2. Yüz algılama için Haar Cascade kullanımı.

Bunların yanı sıra Yönlendirilmiş Gradyan Histogramı (HOG) ve Destek Vektör Makineleri (SVM) gibi yöntemler de kullanıma sunuldu. HOG, görüntünün küçük bölümlerindeki ışık ve gölge değişimlerini analiz etmek için kayan pencere tekniğini kullandı ve nesneleri şekillerine göre tanımaya yardımcı oldu. Ardından SVM’ler, nesnenin kimliğini belirlemek için bu özellikleri sınıflandırdı. Bu yöntemler doğruluğu artırdı ancak gerçek dünya ortamlarında hâlâ zorlanıyor ve günümüz tekniklerine kıyasla daha yavaş çalışıyordu.

Gerçek zamanlı nesne algılama ihtiyacı#

2010’larda derin öğrenmenin ve Evrişimli Sinir Ağlarının (CNN) yükselişi, nesne tespitinde büyük bir değişim yarattı. CNN’ler, bilgisayarların büyük miktarda veriden önemli özellikleri otomatik olarak öğrenmesini mümkün kılarak tespiti çok daha doğru hâle getirdi.

R-CNN (Bölge Tabanlı Evrişimli Sinir Ağları) gibi ilk modeller, hassasiyette büyük bir ilerleme sağlayarak nesnelerin eski yöntemlere kıyasla daha doğru tanımlanmasına yardımcı oldu.

Ancak bu modeller, görüntüleri birden fazla aşamada işledikleri için yavaştı ve bu da onları otonom araçlar veya video gözetimi gibi alanlardaki gerçek zamanlı uygulamalar için elverişsiz kılıyordu.

İşlemleri hızlandırmaya odaklanılarak daha verimli modeller geliştirildi. Fast R-CNN ve Faster R-CNN gibi modeller, ilgi bölgelerinin seçilme biçimini iyileştirip tespit için gereken adım sayısını azaltarak katkı sağladı. Bu, nesne tespitini hızlandırsa da anlık sonuç gerektiren birçok gerçek dünya uygulaması için hâlâ yeterince hızlı değildi. Gerçek zamanlı tespit talebinin artması, hem hız hem de doğruluk arasında denge kurabilen daha hızlı ve verimli çözümlerin geliştirilmesini sağladı.

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

YOLO (Yalnızca Bir Kez Bak) modelleri: Önemli bir dönüm noktası#

YOLO, görüntü ve videolardaki birden fazla nesnenin gerçek zamanlı tespitini mümkün kılarak bilgisayarlı görüye yeni bir yön veren ve önceki tespit yöntemlerinden ayrışan bir nesne tespit modelidir. YOLO’nun mimarisi, tespit edilen her nesneyi ayrı ayrı analiz etmek yerine, nesne tespitini tek bir görev olarak ele alır ve CNN’leri kullanarak nesnelerin hem konumunu hem de sınıfını tek seferde tahmin eder.

Model, bir görüntüyü ızgaraya bölerek çalışır ve her bölüm kendi alanındaki nesneleri tespit etmekten sorumludur. Her bölüm için birden fazla tahmin üretir ve güven düzeyi daha düşük sonuçları eleyerek yalnızca en yüksek güven düzeyine sahip olanları tutar.

Şekil 4. YOLO'nun nasıl çalıştığına genel bakış.

YOLO’nun bilgisayarlı görü uygulamalarında kullanılmaya başlanması, nesne tespitini önceki modellere kıyasla çok daha hızlı ve verimli hâle getirdi. Hızı ve doğruluğu sayesinde YOLO; üretim, sağlık ve robotik gibi sektörlerde gerçek zamanlı çözümler için kısa sürede popüler bir tercih oldu.

Unutulmaması gereken bir diğer önemli nokta, YOLO'nun açık kaynaklı olması sayesinde geliştiricilerin ve araştırmacıların modeli sürekli iyileştirebilmesi ve daha da gelişmiş sürümlerin ortaya çıkmasıdır.

YOLO'dan Ultralytics YOLO11'e uzanan yol#

YOLO modelleri, her sürümün getirdiği yenilikleri temel alarak zaman içinde düzenli biçimde gelişti. Daha iyi performansın yanı sıra bu iyileştirmeler, modelleri farklı teknik deneyim seviyelerine sahip kişiler için kullanmayı kolaylaştırdı.

Örneğin, Ultralytics YOLOv5 kullanıma sunulduğunda PyTorch sayesinde modelleri devreye almak kolaylaştı ve gelişmiş yapay zekâyla çalışabilecek kullanıcı kitlesi genişledi. Doğruluğu ve kullanılabilirliği bir araya getirerek daha fazla kişinin kodlama uzmanı olmasına gerek kalmadan nesne tespitini uygulamasını sağladı.

Şekil 5. YOLO modellerinin gelişimi.

Ultralytics YOLOv8, örnek segmentasyonu gibi görevler için destek ekleyerek ve modelleri daha esnek hâle getirerek bu ilerlemeyi sürdürdü. YOLO'yu hem temel hem de daha karmaşık uygulamalarda kullanmak kolaylaştı ve model farklı senaryolarda işe yarar hâle geldi.

Ultralytics YOLO11 ile (yerini daha sonra Ultralytics YOLO26 aldı) daha fazla optimizasyon yapıldı. Doğruluk artırılırken parametre sayısı azaltıldığı için model artık gerçek zamanlı görevlerde daha verimli. İster deneyimli bir geliştirici ol ister yapay zekâya yeni başla, YOLO11 nesne tespiti için kolayca erişebileceğin gelişmiş bir yaklaşım sunar.

Ultralytics YOLO11'i tanıyalım: Yeni özellikler ve iyileştirmeler#

Ultralytics’in yıllık hibrit etkinliği YOLO Vision 2024’te (YV24) tanıtılan YOLO11, nesne tespiti, örnek bölümleme, görüntü sınıflandırma ve poz tahmini gibi YOLOv8 ile aynı bilgisayarlı görü görevlerini destekler. Böylece kullanıcılar iş akışlarını değiştirmek zorunda kalmadan bu yeni modele kolayca geçebilir. Ayrıca YOLO11’in yükseltilmiş mimarisi tahminleri daha da hassas hâle getirir. Hatta YOLO11m, YOLOv8m’den %22 daha az parametreyle COCO veri kümesinde daha yüksek bir ortalama hassasiyet (mAP) elde eder.

YOLO11, akıllı telefonlardan ve diğer uç cihazlardan daha güçlü bulut sistemlerine kadar çeşitli platformlarda verimli çalışacak şekilde tasarlanmıştır. Bu esneklik, gerçek zamanlı uygulamalarda farklı donanım yapılandırmalarında sorunsuz performans sağlar. Üstelik YOLO11 daha hızlı ve verimlidir; hesaplama maliyetlerini düşürür ve çıkarım sürelerini kısaltır. İster Ultralytics Python paketini ister kod gerektirmeyen Ultralytics HUB’ı (artık Ultralytics Platform) kullan, YOLO11’i mevcut iş akışlarına kolayca entegre edebilirsin.

YOLO modellerinin ve nesne algılamanın geleceği#

Gelişmiş nesne tespitinin gerçek zamanlı uygulamalar ve uç yapay zekâ üzerindeki etkisi sektörlerde şimdiden hissediliyor. Petrol ve gaz, sağlık ve perakende gibi sektörler yapay zekâya giderek daha fazla güvendikçe hızlı ve hassas nesne tespitine olan talep de artıyor. Ultralytics YOLO11, sınırlı işlem gücüne sahip cihazlarda bile yüksek performanslı tespit sunarak bu ihtiyacı karşılamayı amaçlıyor.

Uç yapay zekâ yaygınlaştıkça Ultralytics YOLO11 gibi nesne tespit modellerinin, hız ve doğruluğun kritik olduğu ortamlarda gerçek zamanlı karar alma için daha da vazgeçilmez hâle gelmesi muhtemel. Tasarım ve uyarlanabilirlik alanlarında devam eden iyileştirmelerle nesne tespitinin geleceği, çeşitli uygulamalarda daha fazla yenilik getirecek gibi görünüyor.

Önemli çıkarımlar#

Nesne algılama, basit yöntemlerden günümüzde gördüğümüz gelişmiş derin öğrenme tekniklerine uzanan uzun bir yol kat etti. YOLO modelleri bu ilerlemenin merkezinde yer alarak farklı sektörlerde daha hızlı ve daha doğru gerçek zamanlı algılama sağladı. Ultralytics YOLO11 bu mirası temel alıyor; verimliliği artırıyor, hesaplama maliyetlerini azaltıyor ve doğruluğu yükselterek çeşitli gerçek zamanlı uygulamalar için güvenilir bir tercih hâline geliyor. Yapay zekâ ve bilgisayarlı görü alanlarında süregelen ilerlemelerle nesne algılamanın geleceği parlak görünüyor; hız, kesinlik ve uyarlanabilirlik bakımından daha da gelişmeye açık.

Yapay zekâyı merak mı ediyorsun? Öğrenmeye devam etmek için topluluğumuzla bağlantıda kal! Yapay zekâyı üretim ve sağlık hizmetleri gibi sektörlerde yenilikçi çözümler oluşturmak için nasıl kullandığımızı keşfetmek üzere GitHub depomuza göz at.