Nesne Tespiti Nedir?
Görüntü işleme bir görüntünün içerisindeki önemli bilgilerin okunması, bu resimlerden anlam çıkartılması ve işlenmesi için kullanılan bir yöntemdir. Görüntüdeki bir nesne hakkında insan görmesi gibi benzer şekilde nitel bilgilerin edinilmesi ve kullanılması görüntü işlemenin temel amaçlarındandır. Kullanılacak olan görüntülerde bulunan nesnelerin tespiti, tanımlanması gibi ihtiyaçları karşılayacak çok fazla yöntem geliştirilmiştir.
Nesne Tespiti ve takibi gibi uygulamalar son yıllarda oldukça popüler derin öğrenme alanlarından biridir. Nesne tespiti sayesinde örnek olarak endüstride sıralı geçen ürünlerin kalite veya durum kontrolü gibi birçok durumun izlenmesi ve hatalı ürünlerin ayıklanması gibi sistemler geliştirilmiştir. Gerçek zamanlı nesne tespitinde yüksek başarı için birçok model sunulmuştur.[1]
· R-CNN
· FAST R-CNN
· FASTER RCNN
· YOLO AİLESİ
Bir nesneyi yüksek başarıda tespit etmek için veri setinin belirli bir süreçten geçmesi gerekmektedir. Verimli bir tespit için özenli hazırlanmış veri seti gereklidir.
İlk olarak tespit etmek istediğimiz veririn girişi ile başlayabilir. Bu aşamadan girilen verinin temizlenmesi, istenilen formata getirmek gibi amaç sisteme girdi olarak verilir. Nesne tespiti ve sınıflandırılması yapılacağı için görüntü girdisi gerekmektedir. Kullanılan algoritmaya göre geçerli format (matris haline getirilmiş görüntü pikselleri gibi) kullanılan teknolojiye, platforma göre değişebilir.
Verilerin yapılacak olan işlemin amacına uygun hale gelmesi için hazırlamak veya engel teşkil etmesinin önüne geçmek için uygulanan bir takım sabit olmayan yöntemlere ön işleme denir. Sabit olmamasının sebebi ön işleme süreci veriye, istere, duruma gibi farklı etmenlere göre değişebilen ve test edilerek en doğru sonuca ulaşması hedeflenen yöntemlerdir. Makineye nesnesin ne olduğunu belirttikten sonra o nesnenin farklı açılardan veya farklı piksellerde ayarlanmış başka bir görüntünün de girmesiyle tespitlerin sonuçları değişebilir ön işlemenin nedeni de buradadır, verinin parazitlerini tam olmayan eksik ve tutarsız verileri analiz etmektedir. Ön işleme için birçok algoritma mevcuttur. Bu yöntemleri sıralamak gerekirse Regresyon, esikleme, kümeleme, filtreleme, binnig, karar ağaçları vb. denilebilir.
Ön işleme yapılmış veri üzerinde daha önceden belirlenmiş nesnenin veya isterin elde edilmesiyle öznitelik oluşur.
Türetilen değerlerin bilgilendirici ve artıksız olması, öğrenme sürecini kolaylaştırıcı olması ve bazı durumlarda insan uzmanlar tarafından daha iyi anlaşılabilir (yorumlanabilir) olması amaçlanır. Öznitelik çıkarımı, boyut indirgeme konusuyla ilişkilidir.[2]
Son olarak verilen nesnenin tanınması, tespit edilen görüntüden çıkarım yapabilmek, tanımak olarak basitçe açıklanabilir Tanımlama bölümünde iki kavrama dikkat etmek gerekiyor; Sınıflandırma ve Kümeleme. Sınıflandırma veriyi önceden belirlenmiş sınıflardan birine dahil etmektir. Nesnelerin tanımlandığı, farklılaştığı ve verilerin eğitim seti temelinde anlaşıldığı kategorizasyon sürecidir. Sınıflandırma, bir eğitim seti ve doğru tanımlanmış gözlemlerin bulunduğu denetimli bir öğrenme tekniğidir. Kümelemede ise benzer verileri, benzer özellik gösterenler aynı grupta toplanırlar. Nesneleri benzer özelliklere sahip nesnelerin bir araya geleceği ve benzer özelliklere sahip olmayan nesnelerin ayrıldığı şekilde gruplandırmak için kullanılan bir yöntemdir.[3]
Kümeleme ve sınıflandırma benzer işlemler olarak görünse de, aralarında anlamlarına dayalı olarak bir fark vardır. Veri madenciliği dünyasında kümeleme ve sınıflandırma iki öğrenme yöntemi türüdür. Her iki yöntem de bir veya daha fazla özellik ile nesneleri gruplara ayırır.[4]
Nesne Tespitinde başta belirtildiği gibi öncelikle kullanılacak verisetinin düzenlenmesi ve en verimli çıktıyı alması için pürüzlerinden temizlenmesi gerekmektedir. Veri setinin oluşturulmasından nesnenin tespitine kadar ne kadar özenli bir çalışma olursa çıkacak olan çıktı o kadar doğruluk oranı yüksek olur.
Bu yazıda nesne tespitinin veri sınıflandırma aşamalarından ve temel olarak birkaç farklı modelden bahsettim. Tabii daha detaylı bilgi edinmek için bu konu hakkında yazılmış makaleleri inceleyebilirsiniz.
REFERANSLAR
[1] Makineler Görüyor 1 — Nesne Tespit Modelleri (Onur AKKÖSE)
[2] WİKİPEDİA ÖZNİTELİK ÇIKARIMI
[3] Mesut Pişkin — Nesne Tespiti ve Nesne Tanıma Süreçleri
[4] weblogographic.com — Kümeleme ile Sınıflandırma Arasındaki Fark
