Yönelimli sınırlayıcı kutu (OBB) tespiti nedir?

Nesneleri nasıl dizildiklerine veya hangi yöne baktıklarına bakılmaksızın tanımak, biz insanlar için doğal bir süreçtir. İster bir kavşaktaki arabalar olsun ister bir limandaki tekneler, ne olduklarını ve hangi yöne baktıklarını kolayca söyleyebiliriz. Ancak yapay zeka (AI) sistemleri için bu o kadar basit değildir.

Örneğin, görüntüleri ve videoları anlamaya odaklanan bir yapay zeka dalı olan bilgisayarlı görü, makinelerin bir sahne içindeki nesneleri tanımlamasına ve konumlandırmasına yardımcı olan nesne tespiti gibi görevleri mümkün kılar. Geleneksel nesne tespiti, nesnelerin etrafına kutular çizmek için eksen hizalı sınırlayıcı kutulara dayanır. Bu kutuların düz kenarları ve sabit dik açıları vardır. Bu yaklaşım, nesneler dik olduğunda ve birbirlerine çok yakın olmadıklarında iyi çalışır.

Ancak nesneler eğik, döndürülmüş veya birbirine yakın olduğunda, geleneksel nesne tespiti bunları doğru bir şekilde yakalamakta genellikle zorlanır. Bu daha karmaşık durumlarla başa çıkmak için yönlendirilmiş sınırlayıcı kutu (OBB) tespiti gibi teknikler geliştirilmiştir. Standart sınırlayıcı kutuların aksine, OBB'ler nesnenin açısına ve şekline uyacak şekilde dönebilir, bu da daha sıkı ve daha doğru bir uyum sağlar.

OBB tespitini destekleyen Ultralytics YOLO11 gibi bilgisayarlı görü modelleri, özellikle hava gözetimi gibi nesne yöneliminin önemli olduğu senaryolarda bir dizi gerçek zamanlı uygulamayı mümkün kılar. Bunun ötesinde, OBB tespiti sağlık, tarım ve belge analizi alanlarında da kullanılır.

Bu makalede, OBB tespitinin ne olduğunu, nasıl çalıştığını ve gerçek dünya senaryolarında nerelerde uygulandığını inceleyeceğiz. Hadi başlayalım!

Şekil 1. Teknelerin OBB tespiti için YOLO11 kullanımına dair örnek bir demo.

Link to this sectionYönlendirilmiş sınırlayıcı kutu nedir?#

Yönlendirilmiş bir sınırlayıcı kutu, bilgisayarlı görüde bir görüntüdeki tespit edilen nesneleri temsil etmek için kullanılan bir dikdörtgen kutu türüdür. Standart sınırlayıcı kutular görüntünün yatay ve dikey eksenlerine hizalanırken, OBB'ler nesnenin gerçek açısına uyacak şekilde dönebilir.

Bu dönme yeteneği birçok avantajı beraberinde getirir. OBB'ler bir nesnenin yönelimiyle daha yakından hizalanabilir, böylece kutunun nesnenin şekline ve yönüne tam olarak oturmasını sağlar. Sonuç olarak, tespit daha doğru ve hassas hale gelir.

OBB'ler, özellikle nesneler tam olarak dik olmadığında (örneğin hava görüntülerinde virajlı bir yolda dönen bir araba, bir masa üzerindeki eğik bir kitap veya tıbbi bir taramada döndürülmüş bir tümör gibi) oldukça yararlıdır. Bir nesnenin açısını daha doğru bir şekilde eşleştirerek, OBB'ler tespit performansını iyileştirir, arka plan parazitini azaltır ve özellikle nesnenin yöneliminin konumu kadar önemli olduğu uygulamalar için harikadır.

Şekil 2. Nesne tespiti ile OBB tespitinin karşılaştırılması.

Link to this sectionOBB tespiti vs. nesne tespiti#

OBB tespiti ve geleneksel nesne tespiti ilk bakışta benzer görünebilir, ancak farklı yollarla ve farklı durumlar için kullanılırlar. Bir örnekle nasıl karşılaştırıldıklarına daha yakından bakalım.

YOLO11 gibi bilgisayarlı görü modelleri, endüstriyel denetim gibi çeşitli gerçek dünya uygulamalarında nesneleri tespit etmek ve sınıflandırmak üzere eğitilebilir. Farklı makine parçalarının bir konveyör bandı üzerinde hareket ettiği bir fabrika montaj hattını düşün. Bazı parçalar düzgün bir şekilde yerleştirilmiş olabilir, ancak diğerleri titreşim veya hız nedeniyle hafifçe dönmüş, eğilmiş veya üst üste binmiş olabilir.

Geleneksel nesne tespiti, görüntünün yatay ve dikey kenarlarıyla hizalanan dik, dikdörtgen kutular kullanır. Bu nedenle, bir parça döndürüldüğünde kutu düzgün bir şekilde oturmayabilir; nesnenin bir kısmını dışarıda bırakabilir veya arka planın çok fazla kısmını dahil edebilir. Bu, tespitlerin daha az doğru olmasına ve sistemin parçayı güvenle tanımlamasının zorlaşmasına neden olabilir.

Şimdi, bunun yerine OBB tespiti kullandığını varsayalım. Bu durumda model, her bir parçanın tam açısına uyacak şekilde dönen bir kutu çizebilir. Eğik bir dişli veya açılı bir bileşen, şekline ve yönüne uyan bir kutuyla sıkıca çevrelenecektir. Bu, özellikle otomatik kalite kontrol veya robotik sıralama gibi kullanım durumlarıyla ilgili olarak daha iyi hassasiyet, daha az hata ve daha güvenilir sonuçlar anlamına gelir.

Link to this sectionPopüler OBB tespit modelleri#

Artık OBB tespitinin ne olduğuna dair daha iyi bir anlayışa sahip olduğumuza göre, bunu destekleyen en yaygın kullanılan Vision AI modellerinden bazılarına göz atalım.

Döndürülmüş veya eğik nesneleri tespit etmek için özel olarak geliştirilmiş birkaç gelişmiş bilgisayarlı görü modeli bulunmaktadır. Bunlar arasında Ultralytics YOLO modelleri, güvenilir ve verimli OBB tespit yetenekleriyle özellikle tanınır.

Ultralytics YOLOv5 gibi daha önceki sürümler standart nesne tespiti için tasarlanmıştı. Ultralytics YOLOv8 ve daha yeni olan YOLO11 gibi sonraki yinelemeler, OBB tespiti için yerel destek getirdi. Özellikle YOLO11, hızdan ödün vermeden en son teknoloji doğruluğu sunarak gerçek zamanlı uygulamalar için etkili bir seçenek haline getiriyor.

YOLO11n-obb gibi önceden eğitilmiş YOLO11 OBB modelleri, uçaklar, gemiler ve tenis kortları gibi çeşitli açılarda ve yönelimlerde görünen nesne sınıflarını içeren hava görüntüleriyle etiketlenmiş DOTAv1 gibi veri kümeleri üzerinde eğitilmiştir.

Ayrıca bu modeller, farklı performans ihtiyaçlarını karşılamak için nano (n-obb) boyutundan ekstra büyük (x-obb) boyutuna kadar beş farklı boyutta mevcuttur. Bu çok yönlülük, kentsel altyapıyı izlemekten makine incelemeye ve taranmış belgelerdeki eğri metinleri okumaya kadar çeşitli endüstrilerde uygulanmalarını sağlar.

Link to this sectionYönlendirilmiş sınırlayıcı kutu tespiti için YOLO11'i özel eğitme#

Birçok gerçek dünya durumunda, tespit etmeniz gereken nesneler standart eğitim veri kümelerindekilerden tamamen farklı olabilir. Örneğin, bir üretim hattındaki aletler, ürün paketleri veya bir devre kartındaki bileşenler döndürülmüş, düzensiz yerleştirilmiş veya farklı şekillere sahip olabilir.

Özellikle yönelimin önemli olduğu durumlarda bu özel nesneleri doğru bir şekilde tespit etmek için, YOLO11 gibi modelleri kendi görsellerinizi ve etiketlerinizi kullanarak eğitmek önemlidir. Bu süreç özel eğitim olarak bilinir.

İşte OBB tespiti için YOLO11 eğitme sürecine adım adım daha yakından bir bakış:

• Görsel toplama: Hedef nesnelerinizi farklı açılardan, konumlardan ve gerçek dünya ortamlarından gösteren görselleri topla.
• Nesne etiketleme: Hem konumlarını hem de yönelimlerini yakalamak için OBB desteğine sahip etiketleme araçlarını kullanarak her nesneyi döndürülmüş sınırlayıcı kutularla (OBB'ler) etiketle.
• Veri kümesi hazırlığı: Görsellerini ve etiketlerini YOLO dizin yapısına göre düzenle ve sınıf adların ile veri kümesi yollarını içeren bir YAML yapılandırma dosyası oluştur.
• Model eğitimi: İhtiyaçlarına uyan bir YOLO11 modeli sürümü seç ve modelin etiketli görsellerinden öğrenmesi için eğitim sürecini çalıştır.
• Değerlendirme ve dağıtım: Eğittiğin modeli yeni görseller üzerinde test et, doğruluğunu değerlendir ve üretim, hava gözetimi veya belge analizi gibi pratik uygulamalarda kullanıma sun.

Link to this sectionOBB tespiti tarafından etkinleştirilen uygulamalar#

Merkezden uzak veya eğik nesneler gerçek hayattaki senaryolarda oldukça yaygındır. OBB tespitinin bu nesneleri doğru bir şekilde tespit ederek gerçek bir fark yarattığı birkaç örneği inceleyelim.

Link to this sectionOBB tespiti kullanarak röntgen görüntü analizi#

OBB tespiti, hassasiyeti artırarak tıbbi görüntü analizini bir adım ileriye taşıyabilir. Tıbbi görüntüler genellikle tümörler, organlar veya kemikler gibi anatomik yapıları içerir. Bu yapılar genellikle düzensiz şekillerde ve çeşitli yönelimlerde görünür. OBB'ler nesnenin açısına uyacak şekilde dönebildiklerinden, teşhis ve tedavi planlaması için kritik olan daha doğru konumlandırma ve ölçüm sağlarlar.

Bu yaklaşım, özellikle kemiklerin konumu ve hizalanmasının temel faktörler olduğu kemik kırıklarının röntgen görüntülerini analiz ederken etkilidir. Örneğin, OBB tespiti pediatrik dirsek röntgenlerini analiz etmek için kullanılmıştır. Kemiklerin yönelimine uyum sağlayarak, tespit doğruluğunu artırmaya yardımcı olmuştur.

Şekil 3. Nesne tespiti (b, e) ve yönlendirilmiş sınırlayıcı kutu tespiti (c, f) ile röntgenler (a, d).

Link to this sectionOBB tespitiyle güçlendirilmiş hava gözetimi#

Hava gözetimi, kamu güvenliği, çevre izleme ve şehir planlaması gibi sektörlerde temel bir araçtır. Dronlar veya uydular tarafından yakalanan görüntüler gemiler, araçlar ve binalar gibi nesneleri tanımlamaya yardımcı olabilir. Ancak bu görüntülerde nesneler genellikle küçük ve alışılmadık açılarda görünür, bu da onları doğru bir şekilde tespit etmeyi zorlaştırır.

OBB tespiti, sınırlayıcı kutuları her nesnenin açısına uyacak şekilde eğerek bunu çözer. Bu, bir nesnenin boyutu ve yöneliminin daha doğru ölçülmesine yol açarak kentsel planlama, savunma, afet müdahalesi ve çevre izleme gibi alanlarda daha iyi karar vermeyi destekler.

OBB tespitinin ilginç bir örneği denizcilik gözetiminde gemi takibidir. Uydu görüntüleri genellikle hava durumu, aydınlatma veya hareket nedeniyle gemileri değişen açılarda ve boyutlarda yakalar. OBB'ler bu değişikliklere uyum sağlayabilir, özellikle daha küçük veya kısmen gizlenmiş gemiler için tespiti iyileştirebilir.

Şekil 4. Denizcilik gözetimi için OBB tespitini kullanmaya dair bir bakış.

Link to this sectionTarımda OBB tespiti kullanma#

Hasattan sonra mahsullerin sıralanması, paketlenip pazara gönderilmeden önce kalitenin sağlanması için kritik bir adımdır. Birçok sistem elma ve portakal gibi yuvarlak meyveler için iyi çalışsa da, havuç veya Zizania filizleri gibi uzun ve dar mahsulleri işlemek çok daha zor olabilir. Şekilleri değişkendir ve genellikle farklı açılarda oldukları için onları doğru bir şekilde tespit etmek ve sıralamak zordur.

Bunun üstesinden gelmek için araştırmacılar, bu mahsulleri daha doğru bir şekilde sınıflandırmak amacıyla yönlendirilmiş sınırlayıcı kutu (OBB) tespiti kullanan bir sistem geliştirmiştir. Sistem, eğik veya üst üste binmiş olsalar bile tek bir görüntüde birden fazla mahsulü tespit edebilir ve bunların kalitesini ve konumunu gerçek zamanlı olarak değerlendirebilir.

Link to this sectionOBB tespitinin artıları ve eksileri#

İşte OBB tespiti kullanmanın faydalarından bazıları:

• Alt görevlere iyileştirilmiş girdi: Örnek segmentasyonu ve nesne takibi gibi bilgisayarlı görü görevleri, daha doğru nesne tespitleri verildiğinde daha iyi performans gösterebilir.
• Gelişmiş uzamsal akıl yürütme: Yönelim açısını yakalayarak, OBB'ler bir nesnenin hizasını ve yönünü anlamayı mümkün kılar.
• Kalabalık sahnelerde azaltılmış örtüşme: OBB'ler, yoğun veya karmaşık sahnelerde bile nesnelere daha sıkı uyum sağlayarak belirsizliği azaltır.

Karmaşık sahnelerde tespit doğruluğunu iyileştirmeye yardımcı olmasına rağmen, OBB tespitinin göz önünde bulundurulması gereken birkaç sınırlaması vardır:

• Gürültüye karşı daha fazla hassasiyet: Açı tahminindeki küçük hatalar, özellikle sıkı paketlenmiş veya uzun nesneler için tespit doğruluğu üzerinde daha büyük bir etkiye sahip olabilir.
• Uzmanlaşmış araçlar gereklidir: Tüm etiketleme ve eğitim platformları OBB'leri yerel olarak desteklemediğinden, bunlarla çalışmak ek araçlar veya kurulum gerektirebilir.
• Sınırlı veri kümesi kullanılabilirliği: Standart nesne tespitine kıyasla, şu anda OBB etiketlerine sahip halka açık daha az veri kümesi bulunmaktadır, bu da başlamayı veya sonuçları karşılaştırmayı biraz daha zorlaştırabilir.

Link to this sectionÖne çıkanlar#

Yönlendirilmiş sınırlayıcı kutu tespiti, bilgisayarlı görü çözümlerinin tam olarak düz veya hizalı olmayan nesneleri tanımasını kolaylaştırır. Nesnelerin hem konumunu hem de yönelimini yakalayarak, OBB tespiti tıbbi görüntüleri tarama, tarım arazilerini izleme veya uydu fotoğraflarını analiz etme gibi gerçek dünya kullanım durumlarında doğruluğu artırır.

YOLO11 gibi modellerin OBB tespitini daha erişilebilir kılmasıyla, birçok endüstri için pratik bir seçenek haline geliyor. İster eğik, ister üst üste binmiş veya garip şekilli nesnelerle uğraşıyor ol, OBB tespiti standart yöntemlerin genellikle kaçırdığı ekstra bir hassasiyet katmanı ekler.

Yapay zeka meraklısı mısın? Bilgisayarlı görü projeni başlatmak için GitHub depomuzu keşfet, topluluğumuzla bağlantı kur ve lisanslama seçeneklerimize göz at. Perakendede yapay zeka ve lojistik sektöründe bilgisayarlı görü gibi inovasyonlar hakkında daha fazla bilgiyi çözüm sayfalarımızda bulabilirsin.