─░├žeri─če ge├ž

YOLOv4: Y├╝ksek H─▒zl─▒ ve Hassas Nesne Alg─▒lama

Alexey Bochkovskiy taraf─▒ndan 2020 y─▒l─▒nda https://github.com/AlexeyAB/darknet adresinde piyasaya s├╝r├╝len son teknoloji ├╝r├╝n├╝, ger├žek zamanl─▒ bir nesne dedekt├Âr├╝ olan YOLOv4 i├žin Ultralytics dok├╝mantasyon sayfas─▒na ho┼č geldiniz. YOLOv4, h─▒z ve do─čruluk aras─▒nda optimum dengeyi sa─člamak i├žin tasarlanm─▒┼čt─▒r ve bu da onu bir├žok uygulama i├žin m├╝kemmel bir se├žim haline getirir.

YOLOv4 mimari diyagram─▒ YOLOv4 mimari diyagram─▒. YOLOv4'├╝n omurga, boyun ve kafa bile┼čenleri ve bunlar─▒n optimum ger├žek zamanl─▒ nesne tespiti i├žin birbirine ba─čl─▒ katmanlar─▒ da dahil olmak ├╝zere karma┼č─▒k a─č tasar─▒m─▒n─▒ sergiliyor.

Giri┼č

YOLOv4, You Only Look Once s├╝r├╝m 4 anlam─▒na gelmektedir. YOLOv3 gibi ├Ânceki YOLO s├╝r├╝mlerinin ve di─čer nesne alg─▒lama modellerinin s─▒n─▒rlamalar─▒n─▒ ele almak i├žin geli┼čtirilmi┼č ger├žek zamanl─▒ bir nesne alg─▒lama modelidir. Di─čer evri┼čimli sinir a─č─▒ (CNN) tabanl─▒ nesne alg─▒lay─▒c─▒lar─▒n aksine, YOLOv4 sadece tavsiye sistemleri i├žin de─čil, ayn─▒ zamanda ba─č─▒ms─▒z s├╝re├ž y├Ânetimi ve insan girdisi azaltma i├žin de uygulanabilir. Geleneksel grafik i┼čleme birimleri (GPU'lar) ├╝zerinde ├žal─▒┼čmas─▒, uygun bir fiyatla kitlesel kullan─▒ma izin verir ve e─čitim i├žin yaln─▒zca b├Âyle bir GPU'ya ihtiya├ž duyarken geleneksel bir GPU'da ger├žek zamanl─▒ olarak ├žal─▒┼čmak ├╝zere tasarlanm─▒┼čt─▒r.

Mimarl─▒k

YOLOv4, performans─▒n─▒ optimize etmek i├žin birlikte ├žal─▒┼čan ├že┼čitli yenilik├ži ├Âzelliklerden yararlan─▒r. Bunlar aras─▒nda A─č─▒rl─▒kl─▒-Ar─▒zi Ba─člant─▒lar (WRC), ├çapraz A┼čamal─▒-K─▒smi Ba─člant─▒lar (CSP), ├çapraz mini-Y─▒─č─▒n Normalle┼čtirme (CmBN), Kendinden-adversarial-e─čitim (SAT), Yanl─▒┼č-aktivasyon, Mozaik veri art─▒r─▒m─▒, DropBlock d├╝zenlemesi ve CIoU kayb─▒ bulunmaktad─▒r. Bu ├Âzellikler, son teknoloji ├╝r├╝n├╝ sonu├žlar elde etmek i├žin bir araya getirilmi┼čtir.

Tipik bir nesne detekt├Âr├╝ girdi, omurga, boyun ve kafa gibi ├že┼čitli par├žalardan olu┼čur. YOLOv4'├╝n omurgas─▒ ImageNet ├╝zerinde ├Ânceden e─čitilmi┼čtir ve nesnelerin s─▒n─▒flar─▒n─▒ ve s─▒n─▒rlay─▒c─▒ kutular─▒n─▒ tahmin etmek i├žin kullan─▒l─▒r. Omurga, VGG, ResNet, ResNeXt veya DenseNet dahil olmak ├╝zere ├že┼čitli modellerden olabilir. Dedekt├Âr├╝n boyun k─▒sm─▒, farkl─▒ a┼čamalardan ├Âzellik haritalar─▒ toplamak i├žin kullan─▒l─▒r ve genellikle birka├ž a┼ča─č─▒dan yukar─▒ya yol ve birka├ž yukar─▒dan a┼ča─č─▒ya yol i├žerir. Ba┼č k─▒sm─▒, nihai nesne tespitlerini ve s─▒n─▒fland─▒rmalar─▒n─▒ yapmak i├žin kullan─▒lan k─▒s─▒md─▒r.

├ťcretsiz ├çantalar

YOLOv4 ayr─▒ca, ├ž─▒kar─▒m maliyetini art─▒rmadan e─čitim s─▒ras─▒nda modelin do─črulu─čunu art─▒ran teknikler olan "bag of freebies" olarak bilinen y├Ântemleri de kullan─▒r. Veri art─▒r─▒m─▒, nesne tespitinde kullan─▒lan ve modelin sa─člaml─▒─č─▒n─▒ art─▒rmak i├žin girdi g├Âr├╝nt├╝lerinin de─či┼čkenli─čini art─▒ran yayg─▒n bir serbest torba tekni─čidir. Veri art─▒rman─▒n baz─▒ ├Ârnekleri aras─▒nda fotometrik bozulmalar (bir g├Âr├╝nt├╝n├╝n parlakl─▒─č─▒n─▒, kontrast─▒n─▒, tonunu, doygunlu─čunu ve g├╝r├╝lt├╝s├╝n├╝ ayarlama) ve geometrik bozulmalar (rastgele ├Âl├žekleme, k─▒rpma, ├ževirme ve d├Ând├╝rme ekleme) yer al─▒r. Bu teknikler modelin farkl─▒ g├Âr├╝nt├╝ t├╝rlerine daha iyi genelleme yapmas─▒na yard─▒mc─▒ olur.

├ľzellikler ve Performans

YOLOv4 nesne tespitinde optimum h─▒z ve do─čruluk i├žin tasarlanm─▒┼čt─▒r. YOLOv4'├╝n mimarisi omurga olarak CSPDarknet53, boyun olarak PANet ve alg─▒lama kafas─▒ olarak YOLOv3'├╝ i├žerir. Bu tasar─▒m, YOLOv4'├╝n nesne tespitini etkileyici bir h─▒zda ger├žekle┼čtirmesini sa─člayarak onu ger├žek zamanl─▒ uygulamalar i├žin uygun hale getirir. YOLOv4 ayn─▒ zamanda do─čruluk konusunda da ├╝st├╝nd├╝r ve nesne alg─▒lama k─▒yaslamalar─▒nda son teknoloji ├╝r├╝n├╝ sonu├žlar elde eder.

Kullan─▒m ├ľrnekleri

Bu yaz─▒n─▒n yaz─▒ld─▒─č─▒ s─▒rada, Ultralytics ┼ču anda YOLOv4 modellerini desteklememektedir. Bu nedenle, YOLOv4'├╝ kullanmak isteyen t├╝m kullan─▒c─▒lar─▒n kurulum ve kullan─▒m talimatlar─▒ i├žin do─črudan YOLOv4 GitHub deposuna ba┼čvurmalar─▒ gerekecektir.

YOLOv4'├╝ kullanmak i├žin atabilece─činiz tipik ad─▒mlara k─▒sa bir genel bak─▒┼č:

  1. YOLOv4 GitHub deposunu ziyaret edin: https://github.com/AlexeyAB/darknet.

  2. Kurulum i├žin README dosyas─▒nda verilen talimatlar─▒ izleyin. Bu genellikle deponun klonlanmas─▒n─▒, gerekli ba─č─▒ml─▒l─▒klar─▒n kurulmas─▒n─▒ ve gerekli ortam de─či┼čkenlerinin ayarlanmas─▒n─▒ i├žerir.

  3. Kurulum tamamland─▒ktan sonra, depoda sa─članan kullan─▒m talimatlar─▒na g├Âre modeli e─čitebilir ve kullanabilirsiniz. Bu genellikle veri setinizi haz─▒rlamay─▒, model parametrelerini yap─▒land─▒rmay─▒, modeli e─čitmeyi ve ard─▒ndan nesne alg─▒lama ger├žekle┼čtirmek i├žin e─čitilmi┼č modeli kullanmay─▒ i├žerir.

L├╝tfen belirli ad─▒mlar─▒n ├Âzel kullan─▒m durumunuza ve YOLOv4 deposunun mevcut durumuna ba─čl─▒ olarak de─či┼čebilece─čini unutmay─▒n. Bu nedenle, do─črudan YOLOv4 GitHub deposunda sa─članan talimatlara ba┼čvurman─▒z ┼čiddetle tavsiye edilir.

Bunun neden olabilece─či her t├╝rl├╝ rahats─▒zl─▒ktan dolay─▒ ├╝zg├╝n├╝z ve YOLOv4 deste─či uyguland─▒─č─▒nda bu belgeyi Ultralytics i├žin kullan─▒m ├Ârnekleriyle g├╝ncellemeye ├žal─▒┼čaca─č─▒z.

Sonu├ž

YOLOv4, h─▒z ve do─čruluk aras─▒nda bir denge kuran g├╝├žl├╝ ve verimli bir nesne alg─▒lama modelidir. E─čitim s─▒ras─▒nda benzersiz ├Âzellikler ve ├╝cretsiz teknikler kullanmas─▒, ger├žek zamanl─▒ nesne alg─▒lama g├Ârevlerinde m├╝kemmel performans g├Âstermesini sa─člar. YOLOv4, geleneksel bir GPU'ya sahip herkes taraf─▒ndan e─čitilebilir ve kullan─▒labilir, bu da onu ├žok ├že┼čitli uygulamalar i├žin eri┼čilebilir ve pratik hale getirir.

At─▒flar ve Te┼čekk├╝r

YOLOv4 yazarlar─▒na ger├žek zamanl─▒ nesne alg─▒lama alan─▒ndaki ├Ânemli katk─▒lar─▒ndan dolay─▒ te┼čekk├╝r ederiz:

@misc{bochkovskiy2020yolov4,
      title={YOLOv4: Optimal Speed and Accuracy of Object Detection},
      author={Alexey Bochkovskiy and Chien-Yao Wang and Hong-Yuan Mark Liao},
      year={2020},
      eprint={2004.10934},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Orijinal YOLOv4 makalesi arXiv'de bulunabilir. Yazarlar ├žal─▒┼čmalar─▒n─▒ kamuya a├ž─▒k hale getirmi┼člerdir ve kod taban─▒na GitHub ├╝zerinden eri┼čilebilir. Alan─▒ ilerletme ve ├žal─▒┼čmalar─▒n─▒ daha geni┼č bir topluluk i├žin eri┼čilebilir hale getirme ├žabalar─▒n─▒ takdir ediyoruz.



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (7), sergiuwaxmann (1)

Yorumlar