Computer Vision
Bilgisayarlı görü
Görüntü ve video verisinden nesne, sahne, metin ve hareket gibi bilgileri çıkarmayı amaçlayan yapay zekâ alt alanıdır.
ÖnkoşulDeep Learning
Kısa cevap
Bilgisayarlı görü, pikselleri karara çeviren işin adıdır. Sınıflandırmadan nesne tespitine, segmentasyondan görsel-dil modellerine uzanan bir görev yelpazesi içerir ve her görev farklı etiket maliyeti taşır.
Görev tipleri#
| Görev | Çıktı | Etiket maliyeti |
|---|---|---|
| Sınıflandırma | Görüntü başına etiket | Düşük |
| Nesne tespiti | Sınırlayıcı kutular ve sınıflar | Orta |
| Anlamsal segmentasyon | Piksel başına sınıf | Yüksek |
| Örnek segmentasyonu | Piksel başına sınıf ve örnek kimliği | Çok yüksek |
| Anahtar nokta | Eklem veya işaret noktaları | Yüksek |
| Görsel soru cevaplama | Serbest metin | Değişken; çok modlu model gerekir |
Evrişim ve görsel transformer#
Evrişimli ağlar yerel desenleri kaydırmalı filtrelerle yakalar ve az veriyle iyi genelleme yapar. Görsel transformerlar görüntüyü yamalara bölüp dikkat mekanizmasıyla ilişkilendirir; büyük veriyle daha güçlü ama küçük veride evrişimli ağların dayanıklılığına ulaşmakta zorlanır. Pratikte melez mimariler yaygın.
Veri kalitesi merkezde#
- Etiket rehberi olmadan iki etiketleyici farklı etiketler; anlaşma oranını ölçün.
- Sınıf dengesizliği görü projelerinde kuraldır; ölçüm ve örnekleme buna göre tasarlanmalı.
- Çekim koşulu (ışık, açı, lens) dağılımı üretimle eşleşmiyorsa model sahada çöker.
- Veri artırma, gerçek çeşitliliğin yerini almaz; yalnızca dayanıklılığı artırır.
Sık sorulan sorular
Görsel-dil modelleri klasik OCR hattını gereksiz kılıyor mu?
Kılmıyor; hata karakterini değiştiriyor. Görsel-dil modelleri tablo ve form anlamada güçlü ama hatayı sessiz ve inandırıcı biçimde üretebiliyor. Dayanıklı kurulumlar ikisini birbirine karşı doğrulama olarak kullanıyor.
Kaç etiketli görüntü gerekir?
Göreve ve sınıf sayısına bağlı; transfer öğrenmeyle sınıf başına yüzler mertebesinde örnek sıkça yeterli olabilir. Öğrenme eğrisi çıkarmak, tahminden güvenilirdir.
Güncelleme geçmişi
- v1.0İlk yayın.
LEARN
Computer Vision konusunu uygulamaya dökmek ister misin?
Kavramı okudun; sırada onu bir rotanın içinde öğrenmek ve bir testle ölçmek var.