Computer Vision (CV)

Bilgisayarlı görü (CV), bilgisayarların ve sistemlerin dijital görüntülerden, videolardan ve diğer görsel girdilerden anlamlı bilgiler elde etmesini sağlayan yapay zeka (AI) alanıdır. Yapay zeka makinelerin düşünmesini sağlıyorsa, bilgisayarlı görü onların görmesini, gözlemlemesini ve anlamasını sağlar. Kural tabanlı görüntü işleme araçlarının aksine, modern sistemler doğrudan verilerden öğrenir: bir arabanın veya bir tümörün neye benzediği asla açıkça söylenmez; bunun yerine binlerce etiketli örnek arasındaki altta yatan örüntüleri belirler ve bu bilgiyi daha önce hiç karşılaşmadıkları görüntülere genelleştirirler. Makine öğrenimi (ML) ve derin öğrenme (DL) uygulayarak bilgisayarlı görü, yapılandırılmamış görsel verileri yazılımın üzerinde işlem yapabileceği kararlara dönüştürür.

Bilgisayarlı Görü Nasıl Çalışır#

Bir bilgisayar, bir görüntüyü pikselleri temsil eden sayısal değerlerden oluşan bir dizi olarak görür. Bu diziyi bir eyleme dönüştürmek beş aşamalı bir boru hattını takip eder.

Görüntü edinimi. İş akışı donanımla başlar — CMOS sensörleri, kızılötesi kameralar veya LiDAR tarayıcılar ışığı yakalar ve dijital bir piksel ızgarasına dönüştürür. Kamera kalibrasyonu, analiz başlamadan önce lens geometrisini hesaba katar.

Ön işleme. Yakalanan veriler, modelin tutarlı girdi alması için normalleştirilir: yeniden boyutlandırma, gürültüyü azaltma ve kontrastı ayarlama.

Öznitelik çıkarımı. Sistem kenarlar, gradyanlar ve köşeler gibi düşük seviyeli öznitelikleri tanımlar. Veriler ağın derinliklerine indikçe, bu ilkeller dokular, örüntüler ve karmaşık geometriler gibi yüksek seviyeli özniteliklerde birleşir. Bir sistem dikey çizgileri tespit edebilir, bunları çit direkleri olarak tanıyabilir ve ardından sahneyi çevresel bir sınır olarak anlayabilir. Bu süreç öznitelik çıkarımı olarak bilinir.

Model çıkarımı. Modern bilgisayarlı görü motoru evrişimli sinir ağı (CNN)'dır. Bir görüntüyü düz bir sayı listesi olarak ele alan standart bir sinir ağı'nın aksine, CNN'ler pikseller arasındaki mekansal ilişkileri korur; çerçeve içinde nerede göründüklerinden bağımsız olarak örüntüleri tespit etmek için görüntü üzerinde kayan filtreler kullanır. Daha yakın zamanlarda, Görüntü Transformer'ları (ViTs), doğal dil işleme alanındaki dikkat mekanizmasını görüntü verilerine uygulayarak güçlü bir alternatif olarak ortaya çıkmıştır.

Çıktı ve eylem. Model, çevresindeki sistemin üzerinde işlem yaptığı yapılandırılmış bir sonuç döndürür — bir etiket, bir sınırlayıcı kutu seti veya bir piksel maskesi; kusurlu bir parça reddedilir, bir araç fren yapar veya bir uyarı tetiklenir.

Bir Model Nasıl Öğrenir#

Bir model ancak tükettiği veriler kadar iyidir. Gözetimli öğrenme, büyük hacimlerde eğitim verisi gerektirir ve ImageNet ile COCO gibi kıyaslamalar milyonlarca etiketli örnek sağlar. Eğitim sırasında model tahmin yapar, tahminini temel gerçek (ground-truth) etiketiyle karşılaştırır ve hatayı azaltmak için dahili ağırlıklarını ayarlar. Eğitildikten sonra, aynı model yukarıdaki çıkarım adımını gerçekleştirir.

Kural Tabanlı Sistemlerden Derin Öğrenmeye Geçiş#

Erken dönem bilgisayarlı görü, manuel öznitelik mühendisliğine dayanıyordu: mühendisler makinelerin nesneleri tanımasına yardımcı olmak için katı geometrik parametreler tanımlıyordu. Bu sistemler kırılgandı, aydınlatma değiştiğinde veya bir nesne alışılmadık bir açıdan göründüğünde başarısız oluyordu. 2012 yılında bir milyondan fazla etiketli ImageNet görüntüsü üzerinde eğitilen AlexNet yayını, evrişimli ağların elle tasarlanmış yaklaşımlardan ölçeklenebilir şekilde daha üstün performans gösterebileceğini kanıtlayarak dönüm noktası oldu. Derin öğrenme, elle ayarlanan kuralların yerini kendi özniteliklerini öğrenen mimarilerle değiştirdi — asla mükemmel şekilde kontrol edilmeyen gerçek dünya koşullarına dayanacak kadar esnektir.

Bilgisayarlı Görü ve Görüntü İşleme ile Makine Görüsü#

Bilgisayarlı görüyü, düzenli olarak karıştırıldığı bitişik alanlardan ayırt etmek önemlidir.

• Görüntü işleme, bir görüntüyü geliştirmek veya sinyal çıkarmak için manipüle eder — parlaklığı, kontrastı ayarlar veya filtreler uygular. Çıktısı genellikle başka bir görüntüdür. Bilgisayarlı görü, bir görüntüyü girdi olarak alır ve bir yorum çıktısı verir ("bu odada üç kişi var"). Bilgisayarlı görü rutin olarak bir hazırlık adımı olarak görüntü işlemeyi kullanır.
• Makine görüsü, sıkı kontrol edilen ortamlarda sabit aydınlatma ve bilinen parça konumlarıyla çalışan endüstriyel denetim sistemlerini ifade eder. Bilgisayarlı görü, öngörülemeyen, kontrolsüz koşulları ele almak için oluşturulmuş daha geniş bir disiplindir.
• Doğal dil işleme metin ve konuşmayı ele alır. Bilgisayarlı görü tamamen görsel verilere odaklanır, ancak görüntü dil modelleri ikisi arasındaki köprüyü giderek daha fazla kurmaktadır.

Temel Bilgisayarlı Görü Görevleri#

Bilgisayarlı görü tek bir işlev değil, her biri farklı bir sorunu çözen ayrı görevler bütünüdür. Bunların her biri hakkında daha derinlemesine bir inceleme için computer vision tasks hakkındaki tam kılavuza göz at.

• Görüntü sınıflandırma: tüm görüntüye tek bir etiket atar ve "bu resimde ne var?" sorusunu yanıtlar — örneğin, ürünleri kusurlu veya kusursuz olarak ayırmak. Yakından ilişkili olan görüntü tanıma ise neyin mevcut olduğunu tanımlar.
• Nesne algılama: farklı nesneleri tanımlar ve her birinin etrafına bir sınırlayıcı kutu çizer, böylece sistemlerin tek bir karede birden fazla nesneyi saymasını ve konumlandırmasını sağlar.
• Örnek tabanlı segmentasyon: algılanan her nesne için piksel düzeyinde bir maske üreterek aynı sınıfın bireysel örneklerini ayırır. Semantik segmentasyon ise örnekleri ayırt etmeden her piksele bir sınıf atar.
• Poz tahmini: hareketi ve duruşu takip etmek için insan vücudu eklemleri gibi bir nesne üzerindeki anahtar noktaları algılar.
• Yönlendirilmiş sınırlayıcı kutular: eksene hizada olmayan nesnelere döndürülmüş kutular uydurur — hava ve uydu görüntüleri için esastır.
• Nesne takibi: bir nesneyi bir video akışı boyunca takip eder, kareler arasında tutarlı bir kimlik korur. Optik akış, ardışık kareler arasındaki görünen hareketi analiz ederek bunu genişletir.
• Optik karakter tanıma (OCR): basılı veya el yazısı metin görüntülerini makine tarafından okunabilir verilere dönüştürür, belge işlemeyi ölçekte otomatikleştirir.

Doğru Görevi Seçmek#

Teknik görevi başlangıçtan itibaren iş hedefiyle uyumlu hale getirmek maliyetli yeniden çalışmaları önler.

Gerçek Dünya Uygulamaları#

Bilgisayarlı görü artık çoğu büyük endüstride üretim sistemlerinin temelini oluşturmaktadır.

• İmalat ve kalite kontrol. Modern üretim hatları insan görsel kapasitesinden daha hızlı çalışır. Görü sistemleri anlık kalite denetimi gerçekleştirerek mikroskobik çatlakları veya yanlış hizalanmış bileşenleri hat hızında, bir insan denetçinin biriktirdiği yorgunluk olmaksızın tanımlar. Makine üzerindeki aşınma modellerini izlemek ayrıca öngörücü bakımı mümkün kılar — bir arıza planlanmamış kesinti süresine yol açmadan önce hata imzalarını tespit eder. Bkz. imalatta bilgisayarlı görü ve kusur tespiti.
• Sağlık ve teşhis. Tıbbi görüntü analizi algoritmaları, zaman baskısı altında gözden kaçması kolay erken evre tümörleri, mikro kırıkları ve retina anormalliklerini tespit etmek için röntgenleri, MR'ları ve BT taramalarını işler. Ameliyathanede görü sistemleri, minimal invaziv prosedürler sırasında gerçek zamanlı mekansal haritalama sağlar. Bkz. sağlık hizmetlerinde bilgisayarlı görü.
• Perakende. Kasasız mağazalar, raflardan ayrılan ürünleri takip etmek ve müşterileri otomatik olarak faturalandırmak için sensör füzyonu ve görü algoritmaları kullanır. Aynı sistemler, envanter yönetimi ve perakende kayıp önleme çalışmalarını desteklemek için raf seviyelerini gerçek zamanlı olarak izleyerek yeniden stoklama uyarılarını tetikler. Bkz. perakendede bilgisayarlı görü.
• Otonom ulaşım. Algılama katmanı, sürücüsüz bir arabanın en güvenlik kritik bileşenidir. Görü sistemleri, kamera girdisini radar ve LiDAR ile birleştirerek 3B nesne algılama yoluyla aracın çevresinin 360 derecelik bir modelini oluşturmak için şerit işaretlerini, trafik işaretlerini, yayaları ve diğer araçları gerçek zamanlı olarak tanımlar. Bkz. otonom araçlar.
• Güvenlik ve izleme. Güvenlik altyapısı pasif kayıttan proaktif müdahaleye geçmiştir — kısıtlı bölgelerde aylaklık etmeyi algılama, sıra dışı davranış kalıplarını ortaya çıktıkları anda işaretleme ve kamusal alanda sıra yönetimini destekleme. Anormallik tespiti temel yetenektir.
• Tarım. Drone'lar ve traktörler, dehidrasyon, zararlı istilası veya besin eksikliği için çok spektrumlu görüntüleri analiz ederek ürün sağlığını bireysel bitki düzeyinde değerlendirir. Su, pestisit ve gübre daha sonra tüm tarlalara değil, yalnızca ihtiyaç duyulan yere uygulanır. Bkz. tarımda bilgisayarlı görü.

Kenarda (Edge) Bilgisayarlı Görü#

Gerçek zamanlı görsel analiz, videoyu merkezi bir bulut sunucusuna yönlendirmek yerine, giderek uç noktada (edge) — doğrudan kamerada veya yerel bir ağ geçidinde — çalışmaktadır. Bu iki nedenden dolayı önemlidir.

Gecikme sıfıra yakın bir değere düşer; bu da milisaniyelik bir gecikmenin hatalara yol açtığı otonom robotik veya endüstriyel hat denetimi için vazgeçilmezdir. Ham video yerine ağ üzerinden yalnızca meta veriler aktarıldığı için bant genişliği gereksinimleri keskin bir şekilde düşer ve hassas görüntüler yerel cihazı asla terk etmediği için gizlilik iyileşir. Uç Yapay Zeka (Edge AI) ve gerçek zamanlı çıkarım bunu pratik hale getiren unsurlardır; ONNX ve TensorRT gibi model dağıtımı seçenekleri ise tek bir eğitilmiş modelin çeşitli donanımlarda çalışmasına olanak tanır.

Zorluklar ve Sınırlamalar#

Veri kalitesi. Bir model, eğitim verilerinin kalitesini yansıtır. Düşük çözünürlüklü, zayıf etiketlenmiş veya temsili olmayan veri kümeleri güvenilmez modeller üretir ve çeşitli etiketlenmiş bir veri kümesi oluşturmak genellikle algoritma tasarlamaktan daha fazla iş gücü gerektirir. Bkz. veri etiketleme.

Çevresel değişkenler. Şiddetli yağmur, lens parlaması, kısmi örtülme ve değişken nesne ölçeği performansı düşürür. Sağlam sistemler, bu koşulları simüle etmek ve dağıtımdan önce dayanıklılık oluşturmak için eğitim sırasında veri artırmaya ve aşırı öğrenmeden (overfitting) kaçınmak için dikkatli doğrulamaya güvenir.

Etik hususlar ve önyargı. Demografik çeşitlilikten yoksun bir veri kümesi üzerinde eğitilmiş bir model, nüfus grupları arasında düzensiz performans gösterecektir. İnsanları analiz eden sistemleri dağıtan kuruluşlar — tıbbi görüntüleme, iş yeri güvenliği veya kamu alanlarında — veri kümelerini adalet açısından denetlemeli ve otomatik karar vermeyi kapsayan gelişen düzenlemelere uymalıdır.

Bilgisayarlı Görünün Geleceği#

Görüntü Transformer'ları, bir görüntünün uzak bölümleri arasındaki ilişkilerin anlaşılmasını gerektiren görevlerde elde edilebilecekleri yeniden şekillendiriyor. Ötesinde, çok modlu öğrenme, daha zengin bağlamsal anlayışa sahip sistemler oluşturmak için görsel verileri metin, ses ve derinlikle birleştirir — görüntüler hakkında soruları yanıtlayan görüntü dil modelleri bunun erken bir örneğidir.

Üretken Yapay Zeka, veri kıtlığını doğrudan ele almaktadır. Sentetik veri, gerçek dünyada yeterli hacimde toplanamayan nadir senaryoların — belirli hata modları, sıra dışı hastalık görünümleri — hiper-gerçekçi görüntülerini oluşturmayı mümkün kılar. Bu arada, derinlik algılayan kameralar ve LiDAR, sistemleri düz görüntü analizinin ötesine taşıyarak uzamsal bilişime doğru itmektedir; burada dijital bilgiler AR destekli bakım ve yapısal haritalama gibi uygulamalar için fiziksel dünyanın üzerine bindirilmektedir.

Ultralytics ile Bilgisayarlı Görü Uygulama#

Bir bilgisayarlı görü projesini pilot olarak yürüten ekipler için Ultralytics YOLO26, gerçek zamanlı nesne algılama için pratik bir başlangıç noktasıdır — açık kaynaklıdır, kapsamlı bir şekilde belgelenmiştir ve uçta (edge) çalışacak kadar hızlıdır. Donanımlar arasındaki doğruluk ve gecikme rakamları kıyaslama sayfasında yayınlanmıştır ve belgelerde yan yana model karşılaştırmaları bulunmaktadır. Daha geniş ekosistem, klasik görüntü işleme için OpenCV ve birincil eğitim çerçevesi olarak PyTorch içerir.

from ultralytics import YOLO

# Load the YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")

# Run inference on a standard example image
# The model identifies objects and their locations
results = model("https://ultralytics.com/images/bus.jpg")

# Display the resulting image with bounding boxes
results[0].show()

Bu komut dosyası, birkaç satırda çıkarım gerçekleştirmek için önceden eğitilmiş bir model kullanır. Pilottan üretime geçen ekipler, veri kümelerini etiketlemek, bulutta modeller eğitmek ve dağıtımı yönetmek için Ultralytics Platform kullanabilir veya önceden eğitilmiş bir modeli sıfırdan eğitmekten çok daha az etiketli veriyle özel bir veri kümesine uyarlamak için transfer öğrenmeyi uygulayabilir.

Sıkça Sorulan Sorular#

Bilgisayarlı görü ile makine öğrenimi arasındaki fark nedir? Makine öğrenimi, verilerden öğrenen sistemler kurmanın daha geniş disiplinidir. Bilgisayarlı görü ise bu disiplinin — genellikle derin öğrenme yoluyla — görüntüler ve video gibi görsel girdilere uygulanmasıdır. Modern bilgisayarlı görünün neredeyse tamamı makine öğrenimi üzerine kurulmuştur, ancak makine öğrenimi metin, ses ve tablo verilerini de kapsar.

Bilgisayarlı görü ile görüntü tanıma aynı şey midir? Hayır. Görüntü tanıma, bilgisayarlı görü içindeki tek bir görevdir — bir görüntünün içinde ne olduğunu tanımlamak. Bilgisayarlı görü ayrıca nesne algılama, segmentasyon, poz tahmini, takip ve sahne anlamayı da kapsar.

Bir bilgisayarlı görü modelini eğitmek için ne kadar veri gerekir? Bu, görevin karmaşıklığına ve modelin başa çıkması gereken varyasyon miktarından bağımlıdır. Ultralytics YOLO26 gibi önceden eğitilmiş bir modelden yapılan transfer öğrenimi gereksinimi büyük ölçüde azaltır ve temel modelleri eğitmek için kullanılan milyonlarca görüntü yerine, sınıf başına birkaç yüz ila birkaç bin etiketli görüntüyle genellikle faydalı özel dedektörler eğitilir.

Bilgisayarlı görü internet bağlantısı olmadan çalışabilir mi? Evet. Modeller doğrudan uç cihazlara (edge devices) dağıtılabilir ve tamamen çevrimdışı çalıştırılabilir; bu, gecikme, bant genişliği veya veri gizliliğinin videonun buluta gönderilmesini engellediği durumlarda standart uygulamadır.

Bilgisayarlı görü için hangi programlama dili kullanılır? Eko-sisteminin olgunluğu nedeniyle Python hakimdir — ultralytics paketi, PyTorch ve OpenCV. C++, maksimum çıkarım performansının gerekli olduğu durumlarda, genellikle gömülü ve otomotiv sistemlerinde kullanılır.