YOLO (You Only Look Once)

Diğer adları: You Only Look Once, Tek Bakışta Nesne Tespiti

Kısa Tanım

YOLO, nesne tespitini tek bir ileri geçişte (single forward pass) gerçekleştiren, uçtan uca eğitilebilir bir derin öğrenme mimarisidir. Görüntüyü bir ızgara (grid) yapısına bölerek her hücrede eşzamanlı olarak sınırlayıcı kutu (bounding box) regresyonu ve sınıf olasılığı tahmini yapar; bu sayede iki aşamalı (two-stage) dedektörlere kıyasla belirgin hız avantajı sağlar.

Teknik Mantık

Giriş görüntüsü S x S ızgaraya bölünür. Her hücre B adet sınırlayıcı kutu tahmin eder; her kutu (x, y, w, h, confidence) vektörü ile temsil edilir. Confidence skoru Pr(Object) × IoU(pred, truth) olarak tanımlanır. Kayıp fonksiyonu lokalizasyon, güven ve sınıflandırma terimlerinin ağırlıklı toplamıdır. YOLOv5 ve sonrası sürümlerde anchor-free yapı, CSPNet omurga ve PANet boyun (neck) mimarisi kullanılır. Non-maximum suppression (NMS) ile çakışan kutular elenir.

Kullanım Bağlamı

Gerçek zamanlı nesne tespiti gereken senaryolarda (video akışı, gömülü sistem, kenar cihaz) tercih edilir. mAP (mean Average Precision) ile değerlendirilen doğruluk-hız dengesi, uygulama gereksinimlerine göre model boyutu (nano, small, medium, large) seçilerek ayarlanır.

Tarımsal Bağlam

YOLO, tarla ortamında meyve sayımı, zararlı böcek tespiti, yabancı ot lokalizasyonu ve hasat robotiğinde yaygın kullanılır. YOLOv8 gibi güncel sürümler, sınırlı etiketli tarımsal veri setlerinde transfer öğrenme ile ince ayar (fine-tuning) yapılarak düşük hesaplama bütçeli drone ve kenar bilgisayarlarda konuşlandırılabilir.

Sık Karıştırılan Nokta

YOLO'nun "gerçek zamanlı" olması mutlak bir özellik değildir; çıkarım süresi donanıma ve model boyutuna bağlıdır. Ayrıca küçük ve yoğun nesnelerde (ornegin tek bir yapraktaki çok sayıda afid) ızgara çözünürlüğü yetersiz kalabilir; bu durumda SAHI (Slicing Aided Hyper Inference) gibi yardımcı stratejiler gerekir.

Dr. Mehmet Solak — Siirt Üniversitesi, Biyosistem Mühendisliği