Question 1

Pahalı yeni 4K kameralar almamız gerekiyor mu?

Accepted Answer

Genellikle hayır. Modern bilgisayarlı görü modelleri sağlam olacak şekilde tasarlanmıştır. Yüksek çözünürlük küçük ayrıntılar (camdaki mikro çizikler gibi) için yardımcı olsa da, standart 1080p veya hatta 720p güvenlik kameraları genellikle nesne takibi, kişi sayımı ve standart kusur tespiti için tamamen yeterlidir.

Question 2

'Uç Dağıtım' (Edge Deployment) nedir ve neden önemlidir?

Accepted Answer

Uç dağıtım, yapay zeka modelini video akışını buluta göndermek yerine doğrudan yerel bir cihazda (kameraya bağlı bir NVIDIA Jetson gibi) çalıştırmak anlamına gelir. Bu 3 nedenden dolayı kritik önem taşır: 1) Sıfır gecikme (anlık kararlar), 2) Gizlilik (hiçbir video binanızı terk etmez) ve 3) Bant Genişliği (7/24 4K video yükleyerek ağınızı çökertmezsiniz).

Question 3

Özel bir model oluşturmak için ne kadar eğitim verisi gereklidir?

Accepted Answer

Görevin karmaşıklığına bağlıdır. 'Transfer Öğrenimi' (Transfer Learning) sayesinde sıfırdan başlamıyoruz. Zaten 'görmeyi' bilen bir modeli alıp sizin belirli nesneleriniz üzerinde yeniden eğitiyoruz. Bu genellikle yüksek doğruluk elde etmek için nesne kategorisi başına 500 ila 5.000 etiketlenmiş görüntü gerektirir.

Question 4

Bilgisayarlı görü düşük ışıkta veya kötü hava koşullarında çalışabilir mi?

Accepted Answer

Evet, ancak özel bir eğitim gerektirir. Modelin gece çalışması gerekiyorsa, onu gece görüntüleri veya kızılötesi/termal kamera akışları üzerinde eğitiriz. Ayrıca yapay zekanın kötü hava koşullarında kafasının karışmaması için eğitim aşamasında yağmur, sis ve parlamayı simüle etmek için veri artırma (data augmentation) kullanıyoruz.

Question 5

Nesne Tespiti (Object Detection) ile Segmentasyon arasındaki fark nedir?

Accepted Answer

Nesne Tespiti, bir nesnenin etrafına dikdörtgen bir 'sınırlayıcı kutu' çizer (örneğin, 'Bu kutunun içinde bir araba var'). Görüntü Segmentasyonu ise çok daha hassastır; tam dış hatlarını çizerek nesnenin tam piksellerini renklendirir. Segmentasyonun işlenmesi daha ağırdır ancak tıbbi görüntüleme veya hassas kusur ölçümü gibi görevler için gereklidir.

Question 6

Bulanık veya kavisli yüzeylerden metin çıkarabilir misiniz?

Accepted Answer

Evet. Geleneksel OCR (düz bir PDF okumak gibi) gerçek dünyada zorlanır. Nesne tespitini metin tanımayla birleştirerek kavisli şişelerdeki, hareketli plakalardaki veya hafif bulanık kargo etiketlerindeki metinleri okuyabilen, gerçek dünyada derin öğrenme tabanlı OCR kullanıyoruz.

Question 7

Yüz tanıma ile ilgili gizlilik endişelerini nasıl ele alıyorsunuz?

Accepted Answer

Yüz tanıma birincil hedef değilse (örneğin, sadece bir mağazadaki insanları saymak istiyorsanız), veriler kaydedilmeden veya kontrol paneline gönderilmeden önce yapay zekayı uç noktada yüzleri hemen bulanıklaştıracak veya insanları anonim çöp adamlara (Poz Tahmini) dönüştürecek şekilde yapılandırıyoruz, böylece tam KVKK/GDPR uyumluluğu sağlıyoruz.

Question 8

Özel bir görü (vision) modelini eğitmek ve yayına almak ne kadar sürer?

Accepted Answer

Standart bir nesne tespiti modeli (bir şantiyedeki güvenlik baretlerini tanımak gibi), veri etiketleme dahil yaklaşık 4-6 hafta sürer. Özel uç (edge) donanımıyla mikroskobik kusur tespiti gibi karmaşık projeler 3-4 ay sürebilir.

Nasıl yardımcı olabiliriz?

Bilgisayarlı Görü (Computer Vision) Hizmetleri
SSS

Yararlı
bilgiler

Başlarken

Zaman Çizelgesi

Fiyatlandırma

Destek

Hala sorularınız mı var?

Bilgisayarlı Görü (Computer Vision) HizmetleriSSS

Yararlıbilgiler