Nesne Algılama Mimarileri

Nesne algılama mimarileri, derin öğrenme modelleri için temel planlardır ve nesne algılama gerçekleştirirler. Bu bilgisayarlı görü (BV) görevi, bir görüntü veya video içindeki nesnelerin varlığını ve konumunu belirlemeyi içerir; bu işlem genellikle nesnelerin etrafına bir sınırlayıcı kutu çizilerek ve bir sınıf etiketi atanarak yapılır. Mimari, modelin görsel bilgileri nasıl işlediği ve tahminlerde nasıl bulunduğu da dahil olmak üzere yapısını tanımlar. Mimari seçimi kritiktir çünkü bir modelin hızını, doğruluğunu ve hesaplama gereksinimlerini doğrudan etkiler.

Nesne Algılama Mimarileri Nasıl Çalışır

Çoğu modern nesne algılama mimarisi, sırayla çalışan üç ana bileşenden oluşur:

• Backbone (Temel Ağ): Bu, genellikle ImageNet gibi büyük bir görüntü sınıflandırma veri kümesi üzerinde önceden eğitilmiş bir evrişimsel sinir ağıdır (CNN). Birincil rolü, girdi görüntüsünü hiyerarşik görsel bilgileri yakalayan bir dizi özellik haritasına dönüştürerek bir özellik çıkarıcı görevi görmektir. Popüler temel ağlar arasında birçok YOLO modelinde kullanılan ResNet ve CSPDarknet bulunur. CNN'lerin temelleri hakkında IBM'in ayrıntılı genel bakışı gibi kaynaklardan daha fazla bilgi edinebilirsiniz.
• Boyun: Bu isteğe bağlı bileşen, omurga ve baş arasında yer alır. Omurga tarafından oluşturulan özellik haritalarını toplar ve iyileştirir, genellikle çeşitli boyutlardaki nesnelerin tespitini iyileştirmek için farklı ölçeklerden gelen özellikleri birleştirir. Örnekler arasında Özellik Piramidi Ağları (FPN'ler) bulunur.
• Tespit Başlığı (Detection Head): Başlık, tahminleri yapmaktan sorumlu olan son bileşendir. Boyundan (veya doğrudan omurgadan) işlenmiş özellik haritalarını alır ve tespit edilen her nesne için sınıf olasılıklarını ve sınırlayıcı kutu koordinatlarını verir.

Mimari Türleri

Nesne algılama mimarileri, tahmin yaklaşımlarına göre geniş ölçüde sınıflandırılır ve bu da hız ile doğruluk arasında bir dengeye yol açar. Bu dengeleri uygulamada görmek için ayrıntılı model karşılaştırmalarını inceleyebilirsiniz.

• İki Aşamalı Nesne Dedektörleri: R-CNN ailesi gibi bu modeller, önce bir dizi aday nesne bölgesini (bölge önerileri) tanımlar ve ardından her bölgeyi sınıflandırır. Bu iki adımlı işlem yüksek doğruluk sağlayabilir, ancak genellikle daha yavaştır.
• Tek Aşamalı Nesne Dedektörleri: Ultralytics YOLO (You Only Look Once) ailesi gibi mimariler, nesne tespitini tek bir regresyon problemi olarak ele alır. Sınırlayıcı kutuları ve sınıf olasılıklarını tek geçişte tam görüntüden doğrudan tahmin ederek gerçek zamanlı çıkarım sağlarlar.
• Anchor-Free (Çapa Kutusu Kullanmayan) Dedektörler: Tek aşamalı dedektörlerdeki daha yeni bir evrim olan, Ultralytics YOLO11 gibi anchor-free mimariler, önceden tanımlanmış çapa kutularına olan ihtiyacı ortadan kaldırır. Bu, eğitim sürecini basitleştirir ve genellikle daha hızlı, daha verimli modellere yol açar.

Gerçek Dünya Uygulamaları

Nesne algılama mimarileri, çeşitli sektörlerdeki çok sayıda yapay zeka uygulamasına güç sağlar:

• Otonom Araçlar: Kendi kendine giden arabaların yayaları, diğer araçları, trafik işaretlerini ve şerit çizgilerini tespit ederek çevrelerini algılamaları için gereklidir. Waymo gibi şirketler, gelişmiş nesne tespitine büyük ölçüde güvenmektedir. Kendi kendine giden arabalarda yapay zeka hakkında daha fazla bilgi edinin.
• Güvenlik ve Gözetim: Yetkisiz erişimi tespit etmek, olağandışı faaliyetler için kalabalıkları izlemek veya yüz tanıma uygulamak için güvenlik sistemlerinde kullanılır. Pratik bir örnek için Ultralytics Güvenlik Alarm Sistemi Kılavuzu'na bakın.
• Tıbbi Görüntü Analizi: Radyologlara X-ışınları, BT taramaları ve MR'lardaki tümörler veya kırıklar gibi anormallikleri tespit etmede yardımcı olur. Sağlık Hizmetlerinde Yapay Zeka çözümlerini ve YOLO11 kullanarak tümör tespiti gibi belirli uygulamaları keşfedin.
• Perakende Analitiği: Otomatik ödeme, raf takibi ve envanter yönetimi için yapay zeka gibi uygulamaları etkinleştirir.

Araçlar ve Teknolojiler

Bu mimarilere dayalı modeller geliştirmek ve dağıtmak genellikle özel araçlar ve çerçeveler içerir:

• Derin Öğrenme Çerçeveleri: PyTorch (resmi PyTorch web sitesini ziyaret edin) ve TensorFlow (bkz. TensorFlow web sitesi) gibi kütüphaneler temel yapı taşlarını sağlar.
• Bilgisayarlı Görü Kütüphaneleri: OpenCV (resmi site: OpenCV.org), görüntü işleme ve manipülasyon için çok çeşitli fonksiyonlar sunar.
• Modeller ve Platformlar: Ultralytics, son teknoloji Ultralytics YOLO modelleri ve Ultralytics HUB platformunu sunarak özel modelleri eğitme, veri kümelerini yönetme (COCO gibi) ve çözümleri dağıtma süreçlerini kolaylaştırır.
• Açık Kaynak: Birçok nesne algılama mimarisi ve aracı, açık kaynak lisansları altında geliştirilmekte olup, AI topluluğu içinde işbirliğini ve yeniliği teşvik etmektedir. GitHub gibi kaynaklar, bu alanda çok sayıda projeye ev sahipliği yapmaktadır.