tag computer-vision

Affective Computing (Duyuşsal Bilişim (Duygu YZ))

Bu sayfada computer-vision (Affective Computing (Duyuşsal Bilişim (Duygu YZ))) etiketi ile işaretlenmiş 5 yapay zeka kavramını bulabilirsiniz.

Affektif hesaplama (affective computing), bilgisayar sistemlerinin insan duygularini algilama, yorumlama, isleme ve uygun sekilde yanit verme yeteneklerini gelistirmeyi amaclayan disiplinlerarasi bir arastirma alanidur. Bilisim bilimi, psikoloji, bilissel bilim ve noro-bilim kesisiminde yer alir. Alanin kurucu metni, Rosalind Picard'in 1997 tarihli "Affective Computing" kitabidur. Picard, insan-bilgisayar etkilesiminin duygusal boyutunun ihmal edildigini one cikardi ve duygusal zeka gelistirilmis makinelerin hem verimli hem de insancil sistemlere yol acacagini savundu. Affektif hesaplama sistemleri farkli girdi modalitelerini kullanir. Goruntu isleme ile yuz ifade analizi; Facial Action Coding System (FACS) gibi standartlara dayali olarak mutluluk, kizginlik, uzuntu, korku, saskinlik, tiksinme ve notr duygulari siniflandirir. Ses analizi; konusma tonu, ritim ve ses yuksekligindeki degisimleri duygusal durum gostergesi olarak yorumlar. Fizyolojik sinyaller; EEG, elektrodermal aktivite (deri iletkenlik), kalp atim degiskenligi ve goz izleme bilincalti duygusal durumu icin guvenilir kanallar sunar. Metin duygu analizi ise yazili dilin duygusal polaritesini degerlendiren NLP teknikleridir. Uygulama alanlari son derece genistir. Egitim teknolojisinde ogrencinin anlasma veya hayal kirikligi duzeyini gercek zamanli izleyip ders icerigi ve hizini kisisellestirebilir. Saglik alanyında depresyon veya anksiyete izleme, demans hastalarinin duygusal refah takibi ve terapi destek sistemleri araştirma asamasindadir. Surucu guvenligi sistemleri yorgunluk veya dikkat dagiticilik tespiti icin kullanilmaktadir. Etik boyut onemlidir. Duygu tanima sistemleri irk, cinsiyet ve kultur kirilimlarinda sistemli yanlilık sergileyebilir. Bir is basvurusundaki adayin veya bir siniftaki ogrencinin duygularinin otomatik olarak izlenmesi, riza ve mahremiyet sorunlarini gundeme getirir. AB Yapay Zeka Yasasi bu endiselerle calisma ortami ve egitim gibi baglaamlardaki duygu tanima kullanimini yuksek riskli sinifta kategorize etmistir. **Sik Sorulan Sorular** **Duygu tanima guvenilir midir?** Arastirmalar yuz ifadesi bazli sistemlerin kucuk, cogunlukla homojen veri kumeleri uzerinde iyi calistigini; gercek dunya uygulamalarinda ise irk, cinsiyet ve kultur kirilimlarinda onemli hata oranlari sergiledigini gostermistir. **Affektif hesaplama ile duygu analizi arasindaki fark nedir?** Duygu analizi (sentiment analysis) genellikle metinden duygusal polarite (olumlu/olumsuz) cikarir. Affektif hesaplama daha genis bir kavramdir: ses, goruntu ve fizyolojik sinyalleri de kapsayan cok modalli bir yaklasim ve insan-bilgisayar etkilesimi perspektifini icermektedir. **AB Yapay Zeka Yasasi affektif hesaplamay nasil duzenliyor?** Calisma ortami, egitim ve hukuki baglamlarda duygu tanima yuksek riskli olarak siniflandirilmistir. Bu uygulamalar siki seffaflik, insan gozetimi ve uyumluluk gereksinimleri altindadir. **Affektif hesaplamanin gelecegi nedir?** Norolojik sinyaller ve cok modalli veri fusion'u ile daha guvenilir sistemler ongorulmektedir. Bununla birlikte etigin ve yasamin netlesmesi, alanin buyume yonunu belirleyici rol oynamaktadir.

psychology_alt

Affective Computing (Duyuşsal Bilişim (Duygu YZ))

arrow_forward panorama

Convolutional Neural Network (CNN) (Evrişimli Sinir Ağı)

CNN (Convolutional Neural Network - Evrisimsel Sinir Agi), goruntu ve uzamsal verilerden hiyerarsik ozellikler cikartan bir derin ogrenme mimarisidir. Evrisme islemi sayesinde modelin her neron'unun tum girdiyle degil yalnizca yerel bir bolgeyle baglantili olmasi, parametre sayisini drastik bicimde azaltir ve uzamsal kaliplari gormek icin idealize edilmis bir yapi olusturur. CNN'in temel yapi tasi evrisme katmanidir. Bu katmanda kucuk bir filtre (kernel), genellikle 3x3 veya 5x5 boyutunda, girdi haritasi uzerinde kayan pencereyle carpma islemi uygular. Her filtre, kenar, doku veya renk gecisi gibi belirli bir uzamsal kaliba duyarlidir. Derin bir CNN'de ilk katmanlar basit kenarlar ogrenirken sonraki katmanlar bu kenarlari birlesitirerek sekiller, nesneler ve nihayet tum nesne kategorileri ogrenir. Havuzlama (pooling) katmanlari evrisme ciktilarinin uzamsal boyutunu kucultmektedir. Max-pooling, belirli bir bolgedeki en buyuk aktivasyon degerini secer; bu sayede model konum degisimlerine karsi olcude direncli hale gelir. Kuculen ozellik haritalari sonraki evrisme katmanlarinin daha genis bir alani gormeyi mumkun kilar. Mimari tarihinde CNN'in yeri kritiktir. Yann LeCun 1989'da el yazisi rakam tanima icin LeNet'i tasarladi. 2012'de Alex Krizhevsky ve ekibi ImageNet yarismmasinda AlexNet ile o zamana kadar gorulmemis bir suc orani saglamasi, derin ogrenme alaninin patlamasini tetikledi. Ardından VGGNet, GoogLeNet, ResNet ve EfficientNet gibi mimariler gorunteden anlama icin yeni standartlar belirledi. Kalan baglantili (residual) katmanlar mimarilerin cok daha derin ancak egitimi kolay hale gelmesini mumkun kildi. CNN'ler goruntu siniflandirma, nesne tespiti (YOLO, SSD), semantik segmentasyon, yuz tanima ve tibbi goruntu analizi gibi alanlarda yayginca kullanilmaktadir. Dil modelleme icin transformer mimarisinin yukselisiyle CNN'in NLP'deki rolu azalmis olsa da gorsel veri icin hala temel mimari olma ozelligini korumaktadir. **Sik Sorulan Sorular** **CNN ile tam baglantili (dense) aglar arasindaki fark nedir?** Tam baglantili aglar her neuronu tum girdiyle baglar; bu parametre patlamasi ve uzamsal bilgi kaybi demektir. CNN yerel baglanti ve agirlik paylasimi ile parametre ekonomisi saglar ve uzamsal kaliplari verimli ogrenilir. **Kucuk veri kumesiyle CNN egitmek mumkun mudur?** Transfer ogrenme ile evet. ImageNet uzerinde onegitim gormis bir CNN'in son katmanlari, kucuk bir ozgun veri kumesiyle ince ayar yapilarak kullanilabilir; bu yaklasim ozelliklede gorsel siniflandirma gorevlerinde yaygindir. **CNN'ler metin icin de kullanilabilir mi?** 1D evrisme katmanlari metin siniflandirma ve sentiment analizinde kullanilmistir. Ancak Transformer mimarisi uzun mesafe bagimliklarini daha iyi modelledigi icin NLP'de CNN'lerin populerligini buyuk olcude assmistir. **GPU CNN egitimini neden bu kadar hizlandiriyor?** Evrisme islemi buyuk olcekli paralel matris carpimlarindan olusur; GPU'larin binden fazla islem cekirdegi bu tip isleri CPU'ya gore onlarca kat daha hizli yurutmek icin optimize edilmistir.

arrow_forward crop_free

Object Detection (Nesne Tespiti / Nesne Tanıma)

Nesne tespiti (object detection), bir goruntüde veya videodaki nesnelerin hem varligini hem de konumunu otomatik olarak belirleyen bilgisayarli goru teknigidir. Yalnizca goruntunun genelinde ne oldugunu soyleyen goruntu siniflandirmasinin aksine nesne tespiti her nesnenin cevresine bir sinir kutusu (bounding box) cizer ve nesneyi etiketler. Nesne tespiti sistemleri iki ana kategoride incelenir. Iki asamali detektörler (two-stage detectors), once potansiyel nesne bolgeleri onerir (Region Proposal Network), ardindan bu bölgeleri siniflandirir. Faster R-CNN bu kategorinin oncu modelidir. Tek asamali detektörler (one-stage detectors), tahmin ve siniflandirmayi tek bir geciste gerceklestirir; YOLO (You Only Look Once) serisi ve SSD bu kategorinin en bilinen modelleridir. YOLO'nun evrimi nesne tespitinin tarihini ozetler: YOLOv1 (2016), YOLOv3, YOLOv5, YOLOv8 ve YOLOv11 kadar uzanan ve her surumde hiz/dogruluk dengesini iyilestiren bir yolculuktur. Ultralytics'in YOLOv8'i, kolay kullanim ve guçlu performansiyla topluluk standardı haline gelmistir. Transformer-tabanli DETR (Detection Transformer) ise bounding box ve dikkat mekanizmasını birlestirerek alanı yenilemistir. Deerlendirme metrigi olarak mAP (mean Average Precision) kullanilir; bu metrik, farkli IoU (Intersection over Union) esiklerindeki precision-recall egrisinin altindaki alan ortalamasını olcur. COCO veri kumesi, nesne tespiti modellerinin karsilastirilmasi icin endüstri standardı haline gelmistir.

arrow_forward code_blocks

SAM (SAM (Her Şeyi Segmentleyen Model))

SAM (Segment Anything Model — Her Şeyi Segmentleyen Model), Meta AI Research tarafından 2023'te yayımlanan ve görüntü segmentasyonunda sıfır-atış (zero-shot) genelleştirme yeteneği sunan temel bir bilgisayarlı görü modelidir. Geleneksel segmentasyon modelleri belirli nesne kategorileri için özel olarak eğitilirken SAM, yalnızca bir nokta, sınır kutusu veya metin istemi ile görüntüdeki herhangi bir nesneyi anında segmentleyebilir. Model, 11 milyondan fazla görüntü ve 1,1 milyardan fazla maske içeren SA-1B veri kümesiyle eğitilmiştir — segmentasyon alanındaki en büyük veri setlerinden biridir. SAM üç ana bileşenden oluşur: MAE ile önceden eğitilmiş ViT tabanlı bir görüntü kodlayıcısı, nokta, kutu veya metin girdileri için bir istem kodlayıcısı ve çakışan potansiyel maskeler üreten hafif bir maske dekoderi. Bu mimari, modelin bir görüntüdeki her nesneyi hiçbir kategori bilgisine gerek duymadan ayrıştırmasına imkân tanır. Meta, 2024'te SAM 2'yi yayımladı. SAM 2, SAM'ın video segmentasyonuna genişletilmiş versiyonudur; gerçek zamanlı nesne izleme ve kareler arası tutarlı maske üretimi sunar. Streaming memory mimarisi, daha önce görülmüş karelerin bilgisini saklar ve böylece modelin nesneyi kaybolduğunda yeniden bulmasına olanak tanır. Kullanım alanları oldukça geniştir: tıbbi görüntülemede organ ve lezyon tespiti, otonom araçlarda sahne analizi, AR/VR içerik üretimi, uydu görüntülerinde arazi örtüsü haritalaması ve e-ticaret ürün görsellerinde arka plan kaldırma. Türkiye'de akıllı tarım sistemleri, endüstriyel kalite kontrol ve mobil uygulama geliştirmede benimsenmektedir.

arrow_forward code_blocks

Vision Transformer (ViT) (Görüntü Transformer)

Vision Transformer (ViT), görüntü tanıma görevleri için Transformer mimarisini doğrudan uygulayan bir derin öğrenme modelidir. 2020 yılında Google Brain ekibinden Alexey Dosovitskiy ve arkadaşları tarafından "An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale" başlıklı çalışmayla tanıtılmıştır. ViT, giriş görüntüsünü sabit boyutlu yamalara (genellikle 16×16 piksel) böler. Her yama, doğrusal bir projeksiyon ile bir vektör gömmeye dönüştürülür ve konumsal bilgiyi korumak için konum gömmeleri eklenir. Bu yama gömmeleri NLP'deki token dizileri gibi işlenir ve standart bir Transformer kodlayıcısından geçirilir. Çok başlı öz-dikkat (multi-head self-attention) mekanizması sayesinde model, görüntünün herhangi iki noktası arasındaki uzun menzilli bağımlılıkları doğrudan yakalayabilir; bu CNN'lerin yerel evrişim penceresinin ötesinde bir özelliktir. ViT, ImageNet-21k veya JFT-300M gibi büyük ölçekli veri kümeleriyle ön eğitim yapıldığında ResNet ve EfficientNet gibi güçlü CNN'leri geride bırakmaktadır. Küçük veri kümelerinde ise CNN'lerin taşıdığı tümevarımsal önyargı (inductive bias) — yerellik ve öteleme değişmezliği — eksikliği nedeniyle performans düşebilir. Bu sorunu gidermek amacıyla çeşitli varyantlar geliştirilmiştir: DeiT, bilgi damıtma (knowledge distillation) ile veri verimliliğini artırırken; Swin Transformer (Microsoft, 2021), kayan pencere dikkati kullanarak hiyerarşik özellik haritaları üretir ve nesne tespiti ile segmentasyon görevlerinde üstün başarı sağlar. Günümüzde ViT tabanlı modeller, CLIP (görsel-dilsel temel model), DINOv2 (öz-denetimli görsel temel model) ve SAM2 (segment anything) gibi sistemlerin omurgasını oluşturmaktadır. Bilgisayarlı görünün temel mimarisi olarak CNN'in yerini almıştır.

arrow_forward