Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu videoda Sakarya Üniversitesi Elektrik Elektronik Mühendisliği 3. sınıf öğrencisi Hüseyin Aymacım, YOLO ve Darp yapay sinir ağları hakkında bilgi veriyor. Kendisi Black yarışmasında görev alıyor ve robot otonom araç kategorisinde yarışmaya katılmış.
- Video, YOLO ve Darp modellerinin tanıtımı, avantajları ve dezavantajları hakkında bilgiler içeriyor. Hüseyin, bu modellerin otonom görüntüleme, robot otonom araç ve sihalarda kullanılabileceğini belirtiyor. Ayrıca, YOLO'nun kurulumu, Ubuntu Focal Focal üzerinde nasıl çalıştırılacağı ve eğitim başlatma süreci hakkında döküman hazırladığını paylaşıyor. Video, YOLO'nun diğer modellere göre performans avantajlarını ve neden bu modeli önerdiğini açıklıyor.
- 00:01YOLO ve Darknet Tanıtımı
- Konuşmacı Sakarya Üniversitesi Elektrik Elektronik Mühendisliği 3. sınıf öğrencisi Hüseyin Aymacım olarak kendini tanıtıyor.
- YOLO, bir görüntüleme modeli olup, Darknet'in test ve çalışacağı yapay sinir ağıdır.
- Bu algoritmalar Technofest otonom görüntüleme kategorilerinde, robot otonom araç çalışması ve sihalarda kullanılabilir.
- 01:25YOLO ve Darknet'in Avantajları ve Dezavantajları
- Konuşmacı YOLO ve Darknet modelini yüklü ve Coco veri setini kullanıyor, bu veri setinde sekiz yakın sınıf bulunuyor.
- Model çok iyi bir tanım yapabiliyor ancak çok iyi bir GPU istiyor, CPU'da çalışamıyor ve Raspberry Pi'de düşük FPS (1 FPS civarında) çalışıyor.
- Modelin dezavantajlarından biri çok fazla fotoğraf setine ihtiyaç duyması, örneğin person sınıfı için yaklaşık 300 bin fotoğraf kullanılmış.
- 03:34Kurulum ve Kaynaklar
- Konuşmacı birkaç sene önce oluşturduğu ve güncellediği bir dökümanı paylaşıyor, Ubuntu 18.04 Focal Face'a göre düzenlemiş.
- Kurulum sırasında karşılaşılan hatalar ve çözümleri dökümanında belirtmiş, başka hatalarla karşılaşıldığında yardım edebileceğini söylüyor.
- Eğitim yaparken GPU'ya eğitim yapmanın ekran kartını yıpratmadan daha iyi sonuç verdiğini öneriyor.
- 06:59YOLO ve Darknet'in Güncel Durumu
- YOLO ve Darknet sürekli güncellenen paketlere sahip olduğu için her biri ayrı ayrı video çekmek yerine döküman yazarak devam etmek istiyor.
- YOLO versiyon 1 çıkmış ve Python kütüphanesinde çalışıyor, bu da ROS ile daha iyi uyumlu olabiliyor.
- YOLO, performans bakımından Mascarsen'e göre daha geride kalıyor ancak saniye başına obje tanıma oranı daha yüksek olduğu için çoğu ekip bunu kullanıyor.