Bilgisayarlı Görü
- İngilizcesi
- Computer Vision
- Türkçe karşılığı
- bilgisayarlı görme
- Okunuşu
- kımpyutır vijın
Günlük kullanımda iki ad da yaygın.
Kısaca
Bilgisayarlı görü, bilgisayarların nesneleri tanıma, metin okuma ya da yüz algılama gibi işlerle görüntü ve videoyu yorumlamasını sağlayan yapay zekâ alanıdır.
Bilgisayarlı görü nedir?
Bilgisayarlı görü, makinelere görsel girdiyi, yani fotoğrafları, videoları ve canlı kamera akışlarını anlamayı öğreten yapay zekâ dalıdır. Tipik görevler arasında görüntü sınıflandırma (bu resimde ne var?), nesne algılama (her nesne nerede?), segmentasyon (her nesneye tam olarak hangi pikseller ait?) ve görüntülerden metin okuyan optik karakter tanıma (OCR) bulunur.
Bir bilgisayar için görüntü yalnızca bir sayı ızgarasıdır: parlaklık için piksel başına bir değer ya da kırmızı, yeşil ve mavi için üç değer. Modern bilgisayarlı görü derin öğrenme kullanır: evrişimli sinir ağları (CNN) görüntünün küçük parçalarını tarayarak önce kenarları, sonra şekilleri, sonra bütün nesneleri algılar; vision transformer'lar ise görüntü parçalarını bir cümledeki token'lar gibi ele alır. Bu modeller, elle yazılmış kurallar yerine büyük etiketli görüntü kümelerinden öğrenir.
Bir çocuğun kediyi tanımayı nasıl öğrendiğini düşünün: kimse ona bir formül vermez, örüntü oturana kadar sadece çok sayıda kedi görür. Bilgisayarlı görü; telefon kamerası özelliklerine, yüz kilidi açmaya, barkod ve belge tarayıcılarına, tıbbi görüntü analizine, fabrikalardaki kalite kontrollerine ve sürüş destek sistemlerindeki kameralara güç verir.
Bilgisayarlı görü bazen görüntü işleme ile karıştırılır. Görüntü işleme bir görüntüyü dönüştürür, örneğin yeniden boyutlandırır, keskinleştirir ya da filtre uygular; bilgisayarlı görü ise ondan 'bu fotoğrafta iki köpek var' gibi anlam çıkarır. Birçok görü sistemi, bir model sonucu yorumlamadan önce ilk adım olarak görüntü işlemeyi kullanır; hem metin hem görüntü kabul eden çok modlu modeller de artık bilgisayarlı görü ile doğal dil işleme arasındaki çizgiyi bulanıklaştırıyor.
Önemli noktalar
- Bilgisayarlı görü, yazılımın görüntü ve videodan anlam çıkarmasını sağlar.
- Temel görevler sınıflandırma, nesne algılama, segmentasyon ve OCR'dır.
- Görüntüler, CNN ve vision transformer gibi sinir ağlarının işlediği piksel değerlerinden oluşan ızgaralardır.
- Görüntü işleme pikselleri düzenler, bilgisayarlı görü ise onları yorumlar.
Örnek
# A tiny 3x3 grayscale image is just numbers (0 = black, 255 = white)
image = [
[0, 0, 0],
[255, 255, 255],
[0, 0, 0],
]
# A hand-written "feature": does the image contain a bright horizontal line?
def has_horizontal_line(img):
return any(all(pixel > 200 for pixel in row) for row in img)
print(has_horizontal_line(image)) # True
# Neural networks learn thousands of features like this from labeled examplesSık sorulan sorular
Bilgisayarlı görü ile görüntü işleme arasındaki fark nedir?
Görüntü işleme bir görüntüyü yeniden boyutlandırma, kırpma ya da parlaklığı ayarlama gibi yollarla değiştirir; bilgisayarlı görü ise nesneleri tanımlama ya da metin okuma gibi yollarla onu yorumlar. Görü sistemleri çoğu zaman görüntüleri analiz etmeden önce hazırlamak için görüntü işlemeyi kullanır.
Nesne algılama (object detection) nedir?
Nesne algılama, bir görüntüdeki her nesneyi bulan ve etrafına 'araba' ya da 'kişi' gibi etiketli bir sınırlayıcı kutu çizen bilgisayarlı görü görevidir. Yalnızca görüntünün genel olarak neyi içerdiğini söyleyen sınıflandırmadan daha ileri gider.
Bilgisayarlı görü makine öğrenmesinin bir parçası mıdır?
Modern bilgisayarlı görü neredeyse tamamen makine öğrenmesine, özellikle derin öğrenmeye dayanır. Eski yaklaşımlar elle tasarlanmış kurallar ve filtreler kullanırdı; bunlar basit ya da kaynakları kısıtlı sistemlerde hâlâ görülür.
İlgili sayfalar
- Derin ÖğrenmeYapay Zekâ ve Makine Öğrenmesi, s. 14Derin öğrenme, görüntü ve metin gibi ham verilerden karmaşık örüntüleri öğrenmek için çok katmanlı sinir ağları kullanan bir makine öğrenmesi alt kümesidir.
- Yapay Sinir AğıYapay Zekâ ve Makine Öğrenmesi, s. 49Yapay sinir ağı, bağlantılı yapay nöron katmanlarından oluşan ve sayısal ağırlıkları ayarlayarak verilerden örüntü öğrenen bir makine öğrenmesi modelidir.
- Makine ÖğrenmesiYapay Zekâ ve Makine Öğrenmesi, s. 30Makine öğrenmesi, bilgisayarların elle yazılmış kurallar yerine verilerdeki örüntüleri öğrenerek tahmin yaptığı bir yapay zekâ dalıdır.
- TransformerYapay Zekâ ve Makine Öğrenmesi, s. 45Transformer, bir dizideki her token'ın diğerleriyle ilişkisini attention ile tartan ve çoğu modern LLM'e güç veren bir sinir ağı mimarisidir.
- Doğal Dil İşlemeYapay Zekâ ve Makine Öğrenmesi, s. 16Doğal dil işleme, bilgisayarlara insan dilini metin ya da konuşma biçiminde okumayı, anlamayı ve üretmeyi öğreten yapay zekâ alanıdır.
- InferenceYapay Zekâ ve Makine Öğrenmesi, s. 26Inference, eğitilmiş bir makine öğrenmesi modelinin, öğrendiklerini değiştirmeden yeni verilerden tahmin ya da çıktı üretmek için kullanıldığı aşamadır.
Bu sayfada bir hata ya da eksik mi gördünüz?Düzeltme önerin