Bilgisayarlı Görü nedir? Görüntü Analizine Yeni Başlayanlar için Rehber

Görüntüler her yerde. Görüntü ve videoların, bazen elde edilmesi zor olan çok sayıda bilgi içerdiği bir çağda yaşıyoruz. Bu nedenle, bilgisayarlı görü olarak da bilinen görüntü analizi, birçok kullanım durumunda uygulanabilen son derece değerli bir beceri hâline geldi. 

Bu rehber, bilgisayarlı görü alanını tanıtır. Bu bilim dalının temellerini, başlıca uygulamalarını ve makine öğrenimi ile derin öğrenmenin bilgisayarlı görüyü nasıl dönüştürerek yeni ve çığır açıcı olasılıkların kapısını araladığını açıklar.  

Bilgisayarlı Görü Nedir?

Basitçe söylemek gerekirse, bilgisayarlı görü, bilgisayarların dijital görüntü ve videoların içeriğini nasıl görebileceğini ve anlayabileceğini inceleyen bir yapay zekâ dalıdır.  

Bilgisayarlı görünün nihai hedefi, insanın görme yetilerini makinelerde yeniden üretmektir. Ancak insanlar görsel bilgiyi toplamak ve işlemek için retina, görme sinirleri ve beyinlerinin özel bölgelerini kullanırken, makinelerde bu süreç tamamen farklıdır. Bunun yerine, makinelere nasıl “göreceklerini” öğretmek için şu gibi çeşitli teknolojik bileşenlere dayanırız:

• Algılayıcılar. Özel sensörlerle donatılmış kameralar ve diğer cihazlar, etrafımızdaki görsel veriyi yakalamak için kritik öneme sahiptir.  
• Veri. Çoğu kişi görüntü ve video verilerine ve bunların .jpg ve .png (görüntü), .mov ve .avi (video) gibi geleneksel biçimlerine aşinadır. Ancak görüntü verisinin, birden çok kameradan alınan görünümler, bir 3B tarayıcıdan çok boyutlu veriler veya tıbbi tarama cihazları gibi birçok farklı biçim alabileceğini belirtmek gerekir. 
• Algoritmalar. Her tür veri analizinde olduğu gibi, analizden önceki adım veri hazırlamadır. Görüntü verisini filtreleme, yeniden boyutlandırma veya görüntü normalleştirme gibi işlemlerle temizlemek ve hazırlamak için bilgisayarlı görü araştırmacılarının geliştirdiği sayısız teknik ve algoritma vardır. Görsel veri hazır olduğunda işin eğlenceli kısmı başlar. Derin öğrenmenin yükselişiyle birlikte, bir sonraki bölümde göreceğimiz üzere, çok çeşitli görevlerde insan yeteneklerini hızla aşan güçlü derin öğrenme modelleri eğitebiliyoruz. 

Bilgisayarlı Görünün Uygulamaları

Görme, birçoğumuzun her gün çeşitli görevler için kullandığı temel bir duyudur. Bu bağlamda, günümüzde mevcut pek çok gerçek dünya bilgisayarlı görü uygulamasına şaşırmamalıyız.

Aşağıda, bilgisayarlı görünün en öne çıkan uygulamalarının eksiksiz olmayan bir listesini bulabilirsiniz.

Nesne tespiti

Popüler bilgisayarlı görü uygulamalarının çoğu, görüntülerdeki şeyleri tanımayı içerir. Harika bir örnek sürücüsüz arabalardır. Otonom araç üreticileri, sürücüsüz arabalarının güvenli bir şekilde ilerleyebilmesi için nesneleri, şerit işaretlerini ve trafik levhalarını tespit etmelerini sağlamak amacıyla çevreden görüntüler almak için birden fazla kamera kullanır. Peki nesne tespiti pratikte nasıl çalışır? YOLO ile Nesne Tespiti eğitimimizi okumanızı önemle tavsiye ederiz.

Yüz tanıma

Güvenlik ve gözetim için kullanılan yüz tanıma, kişileri belirlemek üzere kilit özellikleri analiz eder. Bu, modellerin insanlardaki benzersiz yüz özelliklerini tanımlamasına olanak tanıyan geniş biyometrik veritabanları üzerinde sinir ağlarının eğitilmesiyle yapılır. Python ile Yüz Tespiti işleminin nasıl yapıldığını keşfetmek için ayrı eğitimimizi okuyun.

Otomatik çeviri

Google Translate gibi araçlar, kullanıcıların akıllı telefon kamerasını başka bir dildeki bir tabelaya doğrultup neredeyse anında tercih ettikleri dilde çeviri almalarını sağlar.

Görüntü üretimi

Bilgisayarlı görü uygulamaları yalnızca görüntüleri anlamakla kalmıyor, artık üretken yapay zekâ ile gerçekçi görüntüler de oluşturabiliyor. Buna örnek olarak, metin açıklamalarından görüntüler üreten bir genAI modeli olan DALL-E veya aynısını videolar için yapan Sora gösterilebilir. Bir diğer örnek de deepfake’lerdir. Deepfake, kişilerin gerçekte yer almadıkları sahte videolarda gösterilmesi için kullanılan yazılımdır. Bir insan yüzünü oluşturan unsurları anlayarak yeni yüzler üretebilirler.

Bilgisayarlı görünün diğer uygulamaları hakkında meraklı mısınız? Başlangıçtan İleri Düzeye 19 Bilgisayarlı Görü Projesi başlıklı özel yazımıza göz atın.

Yapay Zekâda Bilgisayarlı Görü

Bugün sahip olduğumuz benzersiz bilgisayarlı görü uygulamaları, yapay zekâya, özellikle de derin öğrenme modellerine bağlıdır. Nedenini anlamak için önce dijital görüntünün ne olduğunu –bilgisayarlı görünün en temel bilgi birimini– anlamamız gerekir. 

Bir dijital görüntü, renk ve yoğunluk hakkında bilgi içeren yüzlerce, hatta binlerce pikselden oluşur. Gri tonlamalı görüntülerde, her pikselin yoğunluğu 0 ile 255 arasındaki bir sayı ile temsil edilebilir.

Gri tonlamalı görüntüler.  Kaynak: DataCamp

Buna karşılık, renkli görüntüler genellikle RGB sisteminde saklanır. RGB, Kırmızı (Red), Yeşil (Green) ve Mavi (Blue) anlamına gelir. Her görüntünün, her bir renk kanalı için birer tane olmak üzere üç raster ile temsil edildiği düşünülebilir. Bu da, renkli bir görüntüyü saklamak için gri tonlamalı bir görüntüye kıyasla üç kat daha fazla veriye ihtiyaç duyulduğu anlamına gelir.

Renkli görüntüler. Kaynak: DataCamp

Dolayısıyla, dijital görüntüler bir sayı yığını olarak görülebilir. Çok da uzun olmayan bir süre önce, görüntülerden bilgi işlemek ve çıkarmak için gereken güçlü araçlardan yoksunduk. Bu durum, 2010’ların başında, derin öğrenme araştırmacılarının özellikle bilgisayarlı görü görevlerine çok uygun yeni sinir ağları geliştirmeyi başarmasıyla değişti.

Günümüzde, derin öğrenmedeki ilerlemeler ile GPU’lar, bulut bilişim ve görüntü verisinin geniş ölçekte erişilebilirliği sayesinde, veri uzmanları bilgisayarlı görünün karmaşık görevlerini yerine getirebilen güçlü sinir ağlarını eğitebiliyor. 

Üretken yapay zekâ patlamasının ardından, en güncel görü- dil modelleri (VLM), hem görsel hem de metinsel veriyi anlayıp işleyebilir; bu da görsel açıklama, görsel soru yanıtlama ve metinden görüntü üretimi gibi yeni görevleri mümkün kılar.

Sinir ağlarını merak ediyor musunuz? Başlamak için Python ile Derin Öğrenmeye Giriş Kursumuzu inceleyin.

Bilgisayarlı görü için sinir ağı. Kaynak: NVIDIA

Makine Görüsü ve Bilgisayarlı Görü Arasındaki Fark

Alana yeni başlayanların sık yaptığı bir yanlış anlama, makine görüsü ile bilgisayarlı görü arasındaki farktır. 

Makine görüsü, bilgisayarların ve robotların üretim sürecinde görüntüleri analiz edip bilinçli kararlar almasına yardımcı olmak için kameraların, sensörlerin ve algoritmaların kullanılmasına karşılık gelir. Makine görüsünün uygulamaları arasında otomatik denetim, kalite kontrol ve robot kılavuzluğu gibi görevler yer alır.

Bu terim genellikle üretim ve endüstriyel ortamlarda kullanılır; bu nedenle kapsamı uygulamaya özeldir ve çeşitli sektörlerde daha geniş bir uygulama yelpazesine sahip olan bilgisayarlı görmeye kıyasla daha dardır. Benzer şekilde, karmaşıklık açısından da bilgisayarlı görü genellikle makine görüsüne göre daha karmaşık işlem ve yorumlama içerir.

Aşağıdaki tabloda makine görüsü ile bilgisayarlı görü arasındaki farkları görebilirsiniz: 

Bilgisayarlı Görüye Başlarken

Bilgisayarlı görü, yapay zekânın en heyecan verici ve en çok talep gören disiplinlerinden biridir. Bu alana başlamak istiyorsanız, DataCamp yanınızda. Veri uzmanlarına değerli ve güncel kurslar ile özel materyaller sunmak için çok çalışıyoruz.

Başlangıç olarak Python ile Görüntü İşleme Beceri Yolumuzu şiddetle öneririz. Bu yol, görüntü ön işlemeden derin öğrenmeye kadar temelleri kapsar. Görüntü iyileştirme ve restorasyonla başlayacak, ardından MRI taramaları ve röntgenler gibi daha karmaşık görüntü türlerini analiz etmek için biyomedikal görüntülere geçeceksiniz. Yol, evrişimli sinir ağları üzerine bir kursla sona erer; burada güçlü derin öğrenme tabanlı görüntü sınıflandırıcıları oluşturmayı öğreneceksiniz.

Teknik kaynaklar için aşağıdakileri değerlendirin:

• Görsel Veri için Yapay Zekâ: İş Dünyasında Bilgisayarlı Görü
• Bir Makine Gibi Görmek: Makine Öğreniminde Görüntü Analizine Yeni Başlayanlar için Rehber
• Makine Algısı Nedir?
• YOLO ile Nesne Tespiti Açıklaması: Yeni Başlayanlar için Rehber
• OpenCV Eğitimi: Görsel Veri İşlemenin Gücünü Açığa Çıkarın

Sonuç

Bilgisayarlı görmeye yönelik bu kullanıcı dostu girişten keyif aldığınızı umuyoruz. Alan son derece hareketli ve her gün yeni bilgisayarlı görü uygulamaları piyasaya çıkıyor. Bir bilgisayarlı görü uzmanı olmak istiyorsanız, Python ile Görüntü İşleme Beceri Yolu başlamak için ideal yerdir.