Bilgisayarlı görü, bilgisayarların fotoğraf ve videolardan anlam çıkarmasını sağlayan yapay zekâ alanıdır. Bir görüntüde ne olduğunu, nesnelerin nerede durduğunu ve sahnede ne yaşandığını otomatik olarak belirler. Telefonunuzun yüzünüzü tanıyıp kilidi açması, otomobilin şerit çizgilerini algılaması, fabrikadaki kameranın hatalı ürünü ayırması ve tıbbi görüntülerde şüpheli bölgelerin işaretlenmesi bu teknolojinin günlük örnekleridir.
Bilgisayarlı görü nasıl çalışır?
Bilgisayar için bir fotoğraf, her pikselin renk değerini tutan büyük bir sayı tablosudur. Bilgisayarlı görünün işi, bu sayılardaki örüntüleri bulup “bu bir kedi”, “burada bir yaya var” gibi sonuçlara ulaşmaktır. Süreç genel olarak şu adımlardan oluşur:
- Görüntü alma: Kamera, tarayıcı veya tıbbi cihazdan görüntü elde edilir.
- Ön işleme: Boyutlandırma, gürültü azaltma ve renk düzeltme gibi işlemlerle görüntü modele uygun hâle getirilir.
- Özellik çıkarma: Kenarlar, köşeler, dokular ve şekiller gibi ayırt edici özellikler belirlenir.
- Yorumlama: Model bu özelliklere bakarak sınıflandırma, konum belirleme ya da başka bir karar üretir.
Eskiden özellikleri mühendisler elle tanımlardı. Günümüzde bu işi büyük ölçüde derin öğrenme modelleri üstleniyor. Evrişimli sinir ağları (CNN) ve daha yeni olan görü dönüştürücüleri (vision transformer), çok sayıda etiketli görüntüyle eğitilerek hangi özelliklerin önemli olduğunu kendileri öğrenir. İlk katmanlar basit kenarları, sonraki katmanlar göz, tekerlek gibi parçaları, en son katmanlar ise nesnenin tamamını tanır. Bu yöntemin temelleri için derin öğrenmenin ne olduğunu ve makine öğrenmesinden farkını anlattığımız yazıya bakabilirsiniz.
Temel bilgisayarlı görü görevleri
- Görüntü sınıflandırma: Görüntünün tamamına tek bir etiket verir (örneğin “köpek”).
- Nesne tespiti: Görüntüdeki nesneleri bulur ve her birini bir kutuyla işaretler.
- Bölütleme (segmentasyon): Her pikselin hangi nesneye ait olduğunu belirleyerek nesnenin tam sınırlarını çıkarır.
- Yüz tanıma ve doğrulama: Yüzü algılar ve kayıtlı bir kimlikle eşleştirir.
- Optik karakter tanıma (OCR): Görüntüdeki yazıyı düzenlenebilir metne çevirir.
- Poz kestirimi: İnsan vücudundaki eklem noktalarını bularak duruşu ve hareketi çıkarır.
- Nesne takibi: Bir nesneyi video kareleri boyunca izler.
- Görüntü üretme ve iyileştirme: Çözünürlük artırma, eksik bölgeyi tamamlama veya metinden görsel oluşturma.
Nerelerde kullanılır?
Akıllı telefonlar
Yüz tanımayla kilit açma, portre modunda arka planı bulanıklaştırma, gece çekimlerini iyileştirme, galeride “deniz” ya da “kedi” yazarak fotoğraf arama ve kamerayı bir metne tutup çeviri alma bu teknolojiyle çalışır. Telefon kameralarındaki yazılım katkısını akıllı telefonlarda görüntü kalitesini artırmanın yolları yazımızda da ele aldık.
Otomotiv
Sürüş destek sistemleri kameralarla şeritleri, trafik işaretlerini, yayaları ve diğer araçları algılar. Şerit takip, otomatik acil frenleme ve park yardımı bu algıya dayanır. Otonom sürüş çalışmalarında kamera verisi genellikle radar ve lidar gibi sensörlerle birlikte kullanılır.
Sağlık
Röntgen, tomografi, MR ve patoloji görüntülerinde şüpheli bölgelerin işaretlenmesi, hekimin iş yükünü azaltmayı ve gözden kaçabilecek bulguları öne çıkarmayı amaçlar. Bu sistemler karar destek aracıdır; tanıyı hekim koyar.
Üretim ve kalite kontrol
Üretim hattındaki kameralar çizik, çatlak, eksik parça veya hatalı etiket gibi kusurları insan gözünden daha hızlı ve yorulmadan yakalar. Robot kollarının parçaları doğru konumda tutması da görüntü işleme sayesinde mümkün olur.
Perakende, tarım ve güvenlik
- Perakende: Raf doluluğunun izlenmesi, kasiyersiz mağaza denemeleri, görselle ürün arama.
- Tarım: Drone ve uydu görüntüleriyle bitki sağlığının izlenmesi, hastalık ve yabancı ot tespiti, ürün sayımı.
- Güvenlik ve şehircilik: Plaka tanıma, trafik yoğunluğu ölçümü, kalabalık analizi.
- Belge işleme: Fatura, kimlik ve formlardaki bilgilerin otomatik okunması.
Yapay zekânın gündelik yaşamdaki diğer örnekleri için yapay zekânın günlük hayattaki kullanım alanlarına, çevre izleme tarafındaki uygulamalar için yapay zekâ ve sürdürülebilirlik yazımıza göz atabilirsiniz.
Sınırlamalar ve dikkat edilmesi gerekenler
Bilgisayarlı görü sistemleri güçlü olsa da hatasız değildir.
- Veri kalitesi ve önyargı: Model, eğitildiği veride az temsil edilen durumlarda daha çok hata yapar. Yüz tanıma sistemlerinde farklı gruplar için doğruluk farkları bu nedenle tartışma konusudur.
- Koşullara duyarlılık: Kötü ışık, yağmur, sis, alışılmadık açılar ve kısmen kapanmış nesneler performansı düşürür.
- Yanıltılabilirlik: Görüntüye eklenen ve insanın fark etmediği küçük değişiklikler modeli yanlış sonuca götürebilir.
- Gizlilik: Yüz ve plaka gibi kişisel veriler işlendiği için kullanımın yasal çerçeveye ve açık rıza ilkelerine uygun olması gerekir. Kişisel verilerin korunmasına ilişkin güncel kurallar için resmî kurumların yayınlarına başvurulmalıdır.
- Açıklanabilirlik: Modelin bir kararı neden verdiğini anlamak her zaman kolay değildir; bu durum özellikle sağlık ve güvenlik alanlarında insan denetimini zorunlu kılar.
Konuyla ilgili diğer yazılar yapay zekâ kategorimizde yer alıyor.
Sık Sorulan Sorular
Bilgisayarlı görü ile görüntü işleme aynı şey mi?
Tam olarak değil. Görüntü işleme, görüntüyü dönüştürür; örneğin keskinleştirir ya da parlaklığını ayarlar. Bilgisayarlı görü ise görüntünün içeriğini anlamaya çalışır. İkisi çoğu zaman birlikte kullanılır.
Bilgisayarlı görü öğrenmek için ne bilmek gerekir?
Python programlama, temel doğrusal cebir ve olasılık bilgisi iyi bir başlangıçtır. OpenCV gibi açık kaynak kütüphaneler ve derin öğrenme çerçeveleri alanda yaygın olarak kullanılır.
Bu sistemler insan gözünden daha mı iyi?
Dar ve iyi tanımlanmış görevlerde, örneğin belirli bir kusuru hızla tespit etmede insanı geçebilirler. Ancak beklenmedik durumları yorumlama ve bağlamı kavrama konusunda insan algısı hâlâ çok daha esnektir.
Kısaca
Bilgisayarlı görü, makinelerin görüntüleri analiz edip yorumlamasını sağlayan ve derin öğrenmeyle hızla gelişen bir yapay zekâ dalıdır. Telefon kameralarından otomobillere, sağlıktan üretime kadar geniş bir alanda kullanılır; veri kalitesi, gizlilik ve insan denetimi ise dikkat edilmesi gereken başlıca konulardır.
