Object Detection Architectures

Nesne algılama mimarileri, görsel veriler içindeki öğeleri tanımlamak ve konumlandırmak için kullanılan sinir ağlarının yapısal planlarıdır. Daha geniş bilgisayarlı görü (CV) alanında bu mimariler, ham piksel verilerini anlamlı içgörülere dönüştürerek bir makinenin nasıl "gördüğünü" tanımlar. Bir görüntüyü yalnızca etiketleyen temel sınıflandırma modellerinin aksine, nesne algılama mimarisi bulduğu her bir farklı nesne için bir sınırlayıcı kutu, sınıf etiketi ve güven skoru üretmek üzere tasarlanır. Bu yapısal tasarım, modelin hızını, doğruluğunu ve hesaplama verimliliğini belirler; bu da onu gerçek zamanlı çıkarım veya yüksek hassasiyetli analiz için model seçerken kritik bir faktör hâline getirir.

Bir Mimarinin Temel Bileşenleri#

Belirli tasarımlar farklılık gösterse de modern mimarilerin çoğu üç temel bileşeni paylaşır: omurga, boyun ve başlık. Omurga, birincil özellik çıkarıcı görevi görür. Genellikle Evrişimli Sinir Ağı (CNN) olup ImageNet gibi büyük bir veri kümesi üzerinde önceden eğitilir ve temel şekilleri, kenarları ve dokuları tanımlamaktan sorumludur. Omurgalar için popüler seçenekler arasında ResNet ve CSPDarknet bulunur.

Boyun, omurgayı son çıktı katmanlarına bağlar. Görevi, modelin çeşitli boyutlardaki nesneleri algılayabilmesini sağlamak için omurganın farklı aşamalarındaki özellikleri harmanlamak ve birleştirmektir; bu kavram çok ölçekli özellik füzyonu olarak bilinir. Mimariler, tahmin katmanlarına aktarılan anlamsal bilgiyi zenginleştirmek için burada genellikle bir Özellik Piramidi Ağı (FPN) veya Yol Toplama Ağı (PANet) kullanır. Son olarak algılama başlığı, her nesnenin belirli sınıfını ve koordinat konumunu tahmin etmek için bu birleştirilmiş özellikleri işler.

Evrim: İki Aşamalı ve Tek Aşamalı#

Tarihsel olarak mimariler iki ana kategoriye ayrılıyordu. R-CNN ailesi gibi iki aşamalı algılayıcılar, önce nesnelerin bulunabileceği ilgi bölgelerini (RoI'ler) önerir, ardından bu bölgeleri ikinci bir adımda sınıflandırır. Genellikle doğru sonuçlar verseler de uç cihazlar için çoğu zaman fazla hesaplama yükü oluştururlar.

Buna karşılık tek aşamalı algılayıcılar, algılamayı basit bir regresyon problemi olarak ele alır ve görüntü piksellerini tek geçişte doğrudan sınırlayıcı kutu koordinatlarına ve sınıf olasılıklarına eşler. YOLO (Tek Bakışta Gör) ailesinin öncülük ettiği bu yaklaşım, gerçek zamanlı performansı mümkün kılarak sektörde devrim yarattı. Modern gelişmeler, yalnızca daha üstün hız sunmakla kalmayan, aynı zamanda uçtan uca ve NMS içermeyen mimarileri benimseyen YOLO26 gibi modellerle sonuçlandı. Maksimum Olmayan Bastırma (NMS) son işleme adımına duyulan ihtiyacın ortadan kaldırılması, güvenlik açısından kritik sistemler için hayati önem taşıyan gecikme değişkenliğini azaltır.

Gerçek Dünya Uygulamaları#

Mimari seçimi, farklı sektörlerdeki yapay zekâ çözümlerinin başarısını doğrudan etkiler.

• Perakende Otomasyonu: Akıllı süpermarketlerde verimli tek aşamalı mimariler, taşıma bandındaki veya alışveriş sepetindeki ürünleri anında tanıyan otomatik ödeme sistemlerine olanak tanıyarak bekleme sürelerini ve insan hatasını azaltır.
• Tıbbi Tanı: Yüksek hassasiyetli mimariler, röntgen veya MRI taramalarındaki tümörler gibi anomalileri tespit etmek için tıbbi görüntü analizinde kullanılır. Burada mimarinin ince ayrıntıları koruyabilmesi, ham işlem hızından daha kritiktir.

İlişkili Terimleri Ayırt Etme#

Algılama mimarilerini benzer bilgisayarlı görü görevlerinden ayırmak önemlidir:

• Görüntü Sınıflandırmaya karşı: Bir görüntü sınıflandırma mimarisi (VGG veya EfficientNet gibi), görüntünün tamamına tek bir etiket (ör. "kedi") atar. Kedinin nerede olduğunu veya birden fazla kedi bulunup bulunmadığını söylemez; oysa bu, algılama mimarilerinin temel işlevidir.
• Örnek Segmentasyonuna karşı: Algılama bir nesnenin çevresine kutu yerleştirirken örnek segmentasyonu, her nesnenin piksel düzeyinde kusursuz dış hatlarını (maskesini) belirler. Segmentasyon mimarileri genellikle algılama mimarilerinin genişletilmiş hâlidir (ör. algılama başlığına bir maske dalı eklenmesi).

Ultralytics ile Uygulama#

Modern çerçeveler bu mimarilerin karmaşıklığını soyutlayarak geliştiricilerin minimum kodla son teknoloji tasarımlardan yararlanmasına olanak tanır. ultralytics paketini kullanarak önceden eğitilmiş bir YOLO26 modeli yükleyebilir ve hemen çıkarım çalıştırabilirsin. Veri kümelerini yönetmek ve özel mimarileri bulutta eğitmek isteyen ekipler için Ultralytics Platform, tüm MLOps işlem hattını basitleştirir.

from ultralytics import YOLO

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

# Run inference on an image source
# This uses the model's architecture to detect objects
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results
results[0].show()