Nesne Tespiti (Object Detection)

sözlükgörüntü-işleme

Alternatif adlar: Object Detection, Nesne Algılama, Nesne Tanıma ve Lokalizasyon

Kısa Tanım

Nesne tespiti, bir görüntüde ilgilenilen nesnelerin hem sınıfını (ne olduğunu) hem de konumunu (nerede olduğunu) eşzamanlı olarak belirleyen bir bilgisayarla görme görevidir. Çıktı olarak her nesne için bir sınıf etiketi, güven skoru ve sınırlayıcı kutu (bounding box) koordinatları üretilir.

Teknik Mantık

İki aşamalı (two-stage) ve tek aşamalı (one-stage) mimariler olmak üzere iki temel yaklaşım vardır. İki aşamalı modellerde (Faster R-CNN) önce bölge öneri ağı (RPN) aday bölgeler üretir, ardından her bölge sınıflandırılır ve kutu koordinatları regresyonla iyileştirilir. Tek aşamalı modellerde (YOLO, SSD, RetinaNet) bölge önerisi ve sınıflandırma tek geçişte yapılır; bu nedenle daha hızlıdır. Çapa kutuları (anchor boxes), özellik piramit ağları (FPN) ve non-maximum suppression (NMS) temel bileşenlerdir. Son dönemde DETR gibi transformer tabanlı modeller çapa kutusuna ihtiyaç duymadan küme tahmini (set prediction) yaklaşımı sunar.

Kullanım Bağlamı

Görüntüdeki nesnelerin sayılması, konumlarının belirlenmesi ve sınıflandırılması gereken tüm uygulamalarda kullanılır. Gerçek zamanlı gereksinimler varsa tek aşamalı modeller (YOLOv8, YOLOv9), yüksek doğruluk öncelikliyse iki aşamalı modeller tercih edilir.

Tarımsal Bağlam

Meyve sayımı ve verim tahmini, zararlı böcek tespiti, yabancı ot lokalizasyonu ve hasat robotiği için temel teknolojilerden biridir. Örneğin, elma bahçesinde YOLOv8 modeli ile ağaç başına meyve sayımı yapılabilir. Tarla koşullarında değişken aydınlatma, oklüzyon ve ölçek varyasyonu gibi zorluklar, veri artırma (augmentation) ve transfer öğrenme stratejileri gerektirir. Drone görüntülerinde küçük nesne tespiti için yüksek çözünürlüklü özellik haritaları ve kayan pencere (sliding window) yaklaşımları uygulanır.

Sık Karıştırılan Nokta

Nesne tespiti ile görüntü sınıflandırması karıştırılır. Görüntü sınıflandırması tüm görüntüye tek bir etiket atarken, nesne tespiti birden fazla nesneyi ayrı ayrı lokalize eder ve sınıflandırır. Ayrıca nesne tespiti piksel düzeyinde sınır bilgisi vermez; bu gerekiyorsa örnek bölütleme (instance segmentation) kullanılmalıdır.

Dr. Mehmet Solak — Siirt Üniversitesi, Biyosistem Mühendisliği