Bilgisayarlı görü, bilgisayarları görsel dünyayı yorumlamak ve anlamak için eğiten bir yapay zeka alanıdır. İnsanlar için görme tanımı basitçe karşılaştığımız sahnelere, nesnelere anlam verebilmek demektir. Bilgisayarların karşılaştığı sahnelere örnek verirsek bunlar fotoğraflar videolar görsel veriler bu görsel veriler ile bilgisayar kullanarak bilgisayarlı görü bağlamında anlam vermeye çalışıyoruz onları anlamaya çalışıyoruz.
Bilgisayarla görme, bilgisayarların ve sistemlerin dijital görüntülerden, videolardan ve diğer görsel girdilerden anlamlı bilgiler türetmesini ve bu bilgilere dayalı olarak eylemde bulunmasını veya önerilerde bulunmasını sağlayan bir yapay zeka (AI) alanıdır.
BİLGİSAYARLI GÖRÜ NASIL ÇALIŞIR?
Bilgisayarlı görü çok fazla veriye ihtiyaç duyar. Ayrımları ayırt edene ve nihayetinde görüntüleri tanıyana kadar veri analizlerini tekrar tekrar çalıştırır. Örneğin, bir bilgisayarı otomobil lastiklerini tanıyacak şekilde eğitmek için, farkları öğrenmek ve özellikle hatasız bir lastiği tanımak için çok sayıda lastik resmi ve lastikle ilgili öğelerle beslenmesi gerekir. Bunu yapabilmesi için derin öğrenme ve CNN adı verilen makine öğrenimi algoritmaları kullanılır.
Bilgisayarlı görü bir görüntü alma aracından elde edilen görüntü verisinin bilgisayar ortamında işlenmesi ve çeşitli amaçlarla kullanılmasıdır. Burada görüntü verisinin işlenmesi çeşitli matematiksel dönüşümler ya da filtrelerin kullanılmasıyladır. İşlenmiş görüntü verisinin nesne tespiti, farklılıkların tespiti, nesne takibi gibi amaçlarla kullanılmaktadır.
Günlük hayatımızdan örnek verirsek otoparka giriyoruz aracımızın plakası sistem tarafından tanınıyor ve biletimizi alıyoruz otoparka giriş yapıyoruz orada plakanın tanımlanması var, bu bir bilgisayarlı görü uygulamasıdır. Bilgisayarlı görünün amacı bilgisayarların mümkün olduğu kadar insanlar gibi görmelerini sağlamak. Bir sahnede ne var? İnsan mı var? hayvan mı var? bitki mi var? araba mı var? gibi basitçe düşünebiliriz. Peki bunu nasıl başarabiliriz neler gerekiyor bunu yapmak için alt kollar olarak görüntü işleme, yapay zeka ve makine öğrenimi gerekiyor. Görüntü işleme görsel veriyi bir kez elde ettikten sonra görüntü işleminin amacı onu iyileştirmek, gürültülerinden arındırmak, gerekirse sıkıştırmak oluyor.
Farklı bir boyut olarak görüntü çözümleme(Image Analysis) de var. Onun amacı ise o görüntüyü işlemeye hazır hale getirdikten sonra yani o ham veriyi işlemeye hazır hale getirdikten sonra görüntü çözümleme de yavaş yavaş ondan işe yarayan bilgi parçacıkları elde etmeye çalışılır. Ham veriden işe yarayan bilgi parçacıkları çıktıktan sonra bu sefer makine öğrenimi devreye giriyor artık görsel veri ile çalışmıyor o görsel veriden elde ettiğimiz çıktıyı kullanarak oradaki nesneleri, sahneleri anlamlandırmaya çalışıyor bunların hepsi bir araya geldiklerinde bilgisayarlı görüyü ortaya çıkıyorlar.
Kısaca bir resmin işlenme süreci, makine öğrenimi süreci ve bir de sonuç kısmı yani anlamlandırma sonucu olarak düşünülebilir.
Bir videoda mesela bir şeyleri bulmak gibi düşünelim. Havaalanındaki kameraları düşünelim. Birisi çantasını bıraktı ve hızlıca oradan ayrıldı. Bomba olma ihtimali var, tehlikeli bir olay olma ihtimali var. Kameranın arkasında çalışan bir yazılımın o olayı algılayıp oradaki olayın tehdit içeren bir olayı algılayıp onunla ilgili cevap verebilmesi haber verebilmesi işini gerçekleştiren yazılımlar çalışmaktadır.
Bu tip işlere baktığımızda arka planda bir yapay zekanın çalışması söz konusu, olayları eğitebileceğimiz, öğretebileceğimiz öğrenen mekanizmanın çalışması söz konusu.
Farklı şekillerde kullanılan birçok bilgisayarlı görü türü vardır:
- Görüntü parçalama(bölümleme)
- Nesne algılama
- Yüz tanıma
- Kenar algılama
- Özellik eşleştirme
- Görüntü sınıflandırma
- Arttırılmış gerçeklik
Bilgisayarlı Görü ve Görüntü İşleme
Bilgisayarla görme, görüntü işlemeden farklıdır.
Görüntü işleme , mevcut bir görüntüden yeni bir görüntü oluşturma, genellikle içeriği bir şekilde basitleştirme veya geliştirme sürecidir.
Belirli bir bilgisayarlı görü sistemi, ham girdiye örneğin ön işleme görüntüleri gibi görüntü işlemenin uygulanmasını gerektirebilir.
Görüntü işleme; Görüntünün parlaklık veya renk gibi fotometrik özelliklerini normalleştirme, görüntünün sınırlarını kırpma gibi örneklendirilebilir.
KISACA TARİHİ
İşin biraz tarihçesine bakmak gerekirse 1950-1960’lardan beri var. İlk olarak Ay’dan elde edilmiş olan fotoğrafların işlenmesi için kullanılıyordu. O zamanlar donanımızın çok güçlü olmamasından günlük hayat problemlerinde kullanılmıyordu.
90’ların başında ise daha güçlü hale gelen donanım o görüntülerin temel işlemleri ile kullanılmaya başlandı.
çok temel ayrımlar üzerine odaklanıldı.
Bilgisayarlı görü konusundaki ilk deneyler , bir nesnenin kenarlarını tespit etmek ve basit nesneleri daire ve kare gibi kategorilere ayırmak için ilk sinir ağlarından bazılarını kullanarak 1950’lerde gerçekleşti . 1970’lerde, bilgisayar görüşünün ilk ticari kullanımı, optik karakter tanıma kullanılarak daktilo edilmiş veya elle yazılmış metinleri yorumladı. Bu ilerleme, körler için yazılı metinleri yorumlamak için kullanıldı.
1990’larda internet olgunlaştıkça, analiz için büyük görüntü setlerini çevrimiçi olarak kullanılabilir hale getirdikçe, yüz tanıma programları gelişti. Bu büyüyen veri kümeleri, makinelerin fotoğraf ve videolarda belirli kişileri tanımlamasını mümkün kıldı.
Son çalışmalar, makine öğrenimi teknikleri ve karmaşık optimizasyon çerçeveleriyle birlikte kullanılan özellik tabanlı yöntemlerin yeniden canlandığını gördü . Derin Öğrenme tekniklerinin gelişmesi, bilgisayarla görme alanına daha fazla hayat getirmiştir. Sınıflandırma, segmentasyon ve optik akışa kadar değişen görevler için çeşitli kıyaslama bilgisayarlı görme veri setlerinde derin öğrenme algoritmalarının doğruluğu, önceki yöntemleri geride bıraktı.
KULLANIMI VE UYGULAMA ALANLARI
- TIP
- MAKİNE GÖRÜŞÜ
- ASKERİ
- OTONOM ARAÇLAR
- DOKUNSAL GERİ BİLDİRİM
- GÜVENLİK SİSTEMLERİ
Ve onlarca sıralayabileceğimiz birçok alanda da kullanılmaktadır.
