Computer Vision (Bilgisayarlı Görü)

#DerinOgrenme #GoruntüIsleme #CNN #NesneTespiti

Bilgisayarların dijital görüntü ve videolardan anlamlı bilgi çıkarmasını sağlayan yapay zeka dalı.

Computer Vision (Bilgisayarlı Görü), bilgisayarların dijital görüntüler ve videolardan anlamlı bilgi çıkarmasını sağlayan yapay zeka dalıdır. İnsan görme sistemini taklit etmeyi amaçlayan bu alan; nesne tanıma, sahne anlayışı, hareket analizi ve 3B algı gibi görevleri kapsar. Bilgisayarlı görünün kökenleri 1960'lara uzansa da modern dönemin dönüm noktası 2012 yılındaki AlexNet'tir. Alex Krizhevsky'nin geliştirdiği evrişimli sinir ağı (CNN), ImageNet yarışmasında ikinci sıraya kıyasla %10'luk hata azaltmasıyla rakiplerini büyük farkla geride bıraktı ve derin öğrenme çağını başlattı. O tarihten bu yana CNN mimarileri (ResNet, VGG, EfficientNet) bilgisayarlı görünün omurgası haline geldi. 2020'lerde ise Vision Transformer (ViT) mimarisi NLP'den ödünç alınan dikkat mekanizmasını görsel görevlere uyarlayarak CNN'lerle rekabet eder düzeye ulaştı. Uygulama alanları son derece geniştir. Tıbbi görüntülemede radyoloji yapay zekası, akciğer kanseri tespitinde uzman radyologlarla kıyaslanabilir hassasiyete ulaşmıştır. Otonom araçlarda LiDAR ve kamera füzyonuna dayanan algılama sistemleri yüzlerce nesneyi eş zamanlı takip eder. Üretimde optik kusur tespiti insan gözünün kaçırdığı mikron ölçekli hataları yakalar. Perakende sektöründe kasasız mağaza teknolojileri (Amazon Go gibi) anlık raf takibi yapabilmektedir. Nesne tespitinde YOLO (You Only Look Once) mimarisi gerçek zamanlı uygulamalarda sektör standardı haline gelmiştir; tek geçişli tasarımı milisaniyeler içinde sonuç üretir. Segmentasyon görevlerinde SAM (Segment Anything Model, Meta 2023) sıfır-atış (zero-shot) yetenekleriyle çığır açmıştır — kullanıcı yalnızca bir prompt ile herhangi bir nesneyi piksel düzeyinde seçebilmektedir. Temel zorluklar arasında değişen aydınlatma koşullarına, ölçek farklılıklarına ve gizleme (occlusion) durumlarına karşı dayanıklılık yer almaktadır. Yüz tanıma teknolojisinin toplu gözetim amaçlı kullanımı ve biyometrik veri gizliliği, alanın güncel etik tartışmalarının merkezinde yer almaktadır. AB Yapay Zeka Yasası bu riskleri göz önünde bulundurarak gerçek zamanlı biyometrik gözetimi kamuya açık alanlarda yüksek riskli AI kapsamında değerlendirmektedir.

visibility Bilgisayarlı Görü Nasıl Çalışır?

Bilgisayarlar için bir fotoğraf, RGB (Kırmızı, Yeşil, Mavi) renk kanallarındaki 0 ile 255 arasındaki sayısal değerlerden oluşan devasa bir matristir. Bilgisayarlı görü modelleri (özellikle Evrişimli Sinir Ağları - CNN), bu sayı matrisinin üzerinden küçük filtreler gezdirerek önce kenarları, sonra dokuları, en sonunda da nesnelerin (yüz, araba, köpek) kendisini matematiksel kalıplar halinde tanır. Gelişen teknolojiyle birlikte Vision Transformer (ViT) mimarileri de bu alanda devrim yaratmaktadır.

Temel Computer Vision Görevleri

category Görüntü Sınıflandırma

Fotoğrafın tamamına bakarak ana objenin ne olduğunu tahmin etme. (Örn: 'Bu bir kedi fotoğrafı').

center_focus_strong Nesne Tespiti (Object Detection)

Görüntüdeki çoklu nesneleri bulup, etraflarına sınırlayıcı kutular (bounding boxes) çizme ve her birini isimlendirme süreci. (YOLO algoritması en ünlüsüdür).

join_inner Görüntü Bölütleme (Segmentation)

Kutu çizmek yerine, nesnenin sınırlarını piksel piksel belirleme. Otonom araçların yolu, kaldırımı ve yayaları tam olarak ayırt etmesi için hayati önem taşır.

face Yüz Tanıma (Facial Recognition)

Yüzdeki biyometrik haritayı (gözler arası mesafe vb.) çıkararak kişinin kimliğini doğrulama sistemi.

public Gerçek Dünya Uygulamaları

  • check_circle Otonom Araçlar: Tesla ve Waymo gibi şirketlerin, kameralar aracılığıyla şeritleri, trafik ışıklarını ve yayaları gerçek zamanlı algılaması.
  • check_circle Medikal Görüntüleme: X-ray, MR ve CT taramalarında tümör veya hastalıkları uzman doktorlardan daha hızlı ve bazen daha isabetli tespit etme.
  • check_circle Biyometrik Güvenlik: Akıllı telefonlardaki Face ID sistemleri veya güvenlik kameralarındaki anomali tespiti.
  • check_circle Endüstriyel Kalite Kontrol: Fabrika bantlarından geçen binlerce üründeki milimetrik üretim hatalarını milisaniyeler içinde tespit etme.

Bilgisayarlı Görünün Temel Görevleri

  • check_circle Görüntü Sınıflandırma: Görüntüdeki baskın nesneyi tek bir etiketle tanımlama. ResNet, EfficientNet ve ViT bu görevde yaygın kullanılan modellerdir.
  • check_circle Nesne Tespiti: Görüntüdeki nesneleri sınırlayıcı kutu (bounding box) ve sınıf etiketiyle bulma. YOLO serisi ve DETR üretim ortamlarında yaygın.
  • check_circle Semantik Bölütleme: Her pikseli sınıf etiketiyle renklendirme; otonom sürüş yolu analizi ve tıbbi görüntü segmentasyonu için kritik.
  • check_circle Örnek Bölütleme: Her nesne örneğini ayrı maskesiyle tespit etme. Mask R-CNN ve SAM bu alanda referans modellerdir.
  • check_circle Yüz Tanıma: Bireyin yüzünden kimliğini doğrulama veya tanımlama. FaceNet ve ArcFace yaygın mimariler; mahremiyet ve etik tartışmaları beraberinde geliyor.
  • check_circle Optik Karakter Tanıma (OCR): Görüntüdeki yazıyı metne dönüştürme. Tesseract, PaddleOCR ve EasyOCR açık kaynaklı seçenekler; Türkçe OCR için özel ince ayar genellikle gerekli.
  • check_circle Poz Tahmini (Pose Estimation): İnsan vücudundaki eklem noktalarını (keypoint) tespit etme. Spor analizi, fizik tedavi ve AR uygulamalarında kullanılır.
  • check_circle Derinlik Tahmini: Tek kameradan sahne derinliğini tahmin etme. Otonom araçlar ve robotik için temel bir algılama bileşeni.

Bilgisayarlı Görünün Evrimi: CNN'den Vision Transformer'a

Bilgisayarlı görü, 2012'de AlexNet'in ImageNet yarışmasını kazanmasıyla derin öğrenme çağına girdi. CNN'ler (Evrişimli Sinir Ağları) bir sonraki on yılı şekillendirirken, 2020'de Vision Transformer (ViT) dikkat mekanizmasını görüntü alanına taşıdı. Günümüzde hibrit CNN-Transformer mimarileri ve büyük görüntü-metin modelleri (CLIP, Florence, SAM) alan sınırlarını yeniden çizmektedir. Temel datasets: ImageNet (görüntü sınıflandırma), COCO (nesne tespiti/bölütleme), Open Images ve Türkçe içerik için özel veri setleri. Pratik araçlar: PyTorch torchvision, Hugging Face transformers (ViT, DETR), Ultralytics YOLO, OpenCV ve Roboflow. Üretim dağıtımında ONNX ve TensorRT ile donanım optimizasyonu kritiktir; edge cihazlar için quantize modeller (INT8) ve mobilenet benzeri hafif mimariler tercih edilir.

quiz Sık Sorulan Sorular

  • check_circle YOLO Algoritması Nedir?: YOLO (You Only Look Once), nesne tespitinde çığır açan bir algoritmadır. Görüntüyü bir kez işleyerek içindeki tüm nesneleri ve konumlarını gerçek zamanlı (çok hızlı) bulur.
  • check_circle Lidar ile Computer Vision arasındaki fark nedir?: Lidar lazerlerle derinlik haritası çıkarır (pahalıdır), Computer Vision ise kameralardan gelen 2D görüntüleri yapay zeka ile 3D uzaya çevirmeye çalışır (Tesla'nın yaklaşımı).
  • check_circle Bilgisayarlı görü nedir?: Yapay zeka sistemlerinin dijital görüntü ve videoları işleyerek nesne, sahne ve örüntüleri tanımasını sağlayan AI alanıdır. Otonom sürüş, tıbbi görüntüleme ve yüz tanıma temel uygulama alanlarıdır.
  • check_circle CNN ve Vision Transformer arasındaki fark nedir?: CNN yerel özellik çıkarımı yapar ve görüntüdeki mekansal yapıyı kayan filtrelerle işler. ViT görüntüyü parçalara bölerek global dikkat (attention) mekanizmasıyla ilişkileri öğrenir; büyük veri setlerinde genellikle daha iyi.
  • check_circle Nesne tespiti için hangi model kullanılır?: Gerçek zamanlı ve edge uygulamaları için YOLOv8/v9 (Ultralytics). Yüksek doğruluk gerektiren araştırma ve büyük model için DETR veya DINO. Başlangıç için YOLOv8 önerilir.
  • check_circle Türkçe OCR için hangi araç kullanılır?: PaddleOCR ve EasyOCR Türkçe dil desteği sunar. Tesseract'ta Türkçe dil paketi kurulabilir. Özel belgeler veya el yazısı için Türkçe verisiz ince ayar gerekebilir.