Atıf Sayısı
2
Görüntüleme
21
Sesli Dinleme
1
Derin öğrenmeye dayalı güncel nesne tespit algoritmalarından biri olan YOLOv7 modelinin Microsoft COCO verisetinde aldığı %51.2’lik ortalama kesinlik başarısı, diğer nesne tespit yöntemlerinin ilerisinde olduğunu kanıtlamıştır. YOLO ilk sunulduğu dönemden itibaren, hız ve doğruluk açısından etkili olması sebebiyle ticari alandaki nesne tespit problemlerinde tercih edilen bir model olmuştur. Genellikle derin öğrenmeye dayalı sistemlerin çalıştırılabilmesi için yüksek kapasitede donanımlara ihtiyaç duyulmaktadır. Bu çalışmada, günümüzde ticaretin önemli araçlarından biri haline gelen akıllı mobil cihazlarda nesne tespiti yapılabilmesi için YOLOv7 modelinin sunucuda aktif edilmesi ile akıllı mobil cihazlarda grafik işlemci birimi kullanılmadan nesne tespiti yapılabilmesi amaçlanmıştır. Yapılan çalışma ile YOLOv7 nesne tespit algoritması, iOS işletim sistemine sahip mobil cihazlarda başarı ile çalıştırılmıştır. Bu sayede mobil cihazlarda çekilen bir görüntü veya halihazırda galeride bulunan herhangi bir görüntü sunucuya aktarıldıktan sonra, doğruluk ve hız açısından etkili bir şekilde görüntü içerisinde bulunan nesnelerin tespitinin gerçekleştirilmesi sağlanmıştır.
The YOLOv7 model, which is one of the current object detection algorithms based on deep learning, achieved an average accuracy of 51.2% in the Microsoft COCO dataset, proving that it is ahead of other object detection methods. YOLO has been a preferred model for object detection problems in the commercial field since it was first introduced, due to its speed and accuracy. Generally, high-capacity hardware is needed to run deep learning-based systems. In this study, it is aimed to detect objects in smart mobile devices without using a graphic processor unit by activating the YOLOv7 model on the server in order to be able to detect objects in smart mobile devices, which have become one of the important tools of trade today. With the study, the YOLOv7 object detection algorithm has been successfully run on mobile devices with iOS operating system. In this way, an image taken on mobile devices or already in the gallery after any image is transferred to the server, it is ensured that the objects in the image are detected effectively in terms of accuracy and speed.
Alan : Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
