Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- "Genç Yazılımcı" kanalında yayınlanan bu eğitim videosu, bir eğitmen tarafından sunulan yapay zeka modeli kurulum ve test sürecini adım adım göstermektedir.
- Video, Darknet framework'ünün kurulumundan başlayarak gerekli sistem gereksinimlerini (Python, Visual Studio, CUDA, OpenCV) hatırlatıp, GitHub'dan indirme, derleme ve YOLO V4 modelinin kurulumunu detaylı olarak anlatmaktadır. Ardından önceden eğitilmiş ağırlık dosyası kullanılarak hem resim hem de video üzerinde nesne tespiti testleri gerçekleştirilmekte ve sonuçlar gösterilmektedir.
- Videoda ayrıca ekran kartı destekli sistemin işlemci üzerinde çalışan sistemlere göre yaklaşık 4-5 kat daha hızlı çalıştığı belirtilmekte ve bir sonraki bölümde kendi custom modelin eğitileceği bilgisi verilmektedir.
- 00:01Real Time Custom Object Detection Eğitimine Giriş
- Bu derste real time custom object detection için eğitim sürecine devam edilecek.
- Önceki videolarda veri seti hazırlanmış ve OpenCV kurulmuş, şimdi eğitim kısmına geçilecek.
- Darknet framework'i kurulacak ve YOLO ve YOLO-V4 modelleri bu framework üzerinde eğitilecek.
- 00:45Gerekli Sistem Gereksinimleri
- Sistemde Python kurulu olmalı ve terminal üzerinden Python istemcisine geçiş yapılabilmeli.
- Visual Studio, CUDA ve OpenCV'nin kurulu olması gerekiyor.
- CUDA kurulumu için öncelikle Visual Studio kurulmalı çünkü CUDA kurulumunda Visual Studio'ya ait kütüphaneler kuruluyor.
- 01:50Darknet'in İndirilmesi ve Ayıklanması
- Tarayıcıda "darknet github" araması yapılarak Alexa Ab'nin Darknet frameworküne ulaşılacak.
- GitHub'dan kod kısmına tıklayıp "download" diyerek indirme işlemi başlatılacak.
- İndirilen zip dosyası "darknet" adlı yeni bir klasöre atılacak ve ayıklanacak.
- 02:42CUDA ve OpenCV Dosyalarının Kopyalanması
- Darknet klasörünün "build" klasöründeki "darknet x64" dizinine ulaşılacak.
- Program Files'taki NVIDIA GPU Computing Tool Kit'ten CUDA klasöründeki "qdn64.8.dll" dosyası kopyalanıp "darknet x64" dizinine yapıştırılacak.
- OpenCV'nin "build" klasöründeki "install" klasöründeki "vc16.0.openCV-451.dll" dosyası da "darknet x64" dizinine kopyalanacak.
- 04:05Darknet Dosyalarının Düzenlenmesi
- Darknet klasöründe "darknet.vcxproj" dosyası metin editörü ile açılacak.
- Dosyada "CUDA" ve "CUDA" arama kısmına büyük harflerle "CUDA" yazarak sürümleri 11.0'a düzeltecek.
- Aynı işlem "darknet.cpp.dll.vcx" dosyasında da yapılacak.
- 05:24Derleme İşlemi
- Düzenlenen dosyalar Visual Studio ile açılacak ve debug kısmından release'e çevrilecek.
- "darknet.cpp.dll.vcx" dosyası sağ tıklayıp derlenecek ve hatasız bir şekilde derlenecek.
- "darknet.solution" dosyası da aynı şekilde açılacak ve Windows 32 kısmından x64'e çevrilecek.
- 07:05OpenCV Kütüphanesi Ekleme
- Darknet'e sağ tıklayıp özellikler diyerek açılan pencerede "CC++++" kısmına geçilecek.
- "Ek içeren izinler" kısmına tıklayıp düzenle diyerek yeni satır eklenecek.
- OpenCV'nin library dosyalarının olduğu dizin (OpenCV 2 klasörü) bu yeni satıra eklenecek.
- 08:02Darknet Kurulumu
- Ön işlemci tanımları kısmında CDN kaldırılmalı, ancak ekran kartınız Tensor-CORSE destekliyorsa bu kalabilir.
- Code Generation kısmında compute 86'lık kısmı kaldırıp, sadece compute 35'te olan kısım kalmalıdır.
- Bağlayıcı kısmında ek kitaplık dizinleri düzenlenmeli ve OpenSea klasöründen "x64/vc16/lip" klasörü eklenmelidir.
- 10:23Darknet'in Test Edilmesi
- Nesne tespiti için Darknet üzerinde bir ağırlık dosyasına ihtiyaç vardır, bu dosya GitHub sayfasından indirilebilir.
- Komut promptunda "darknet detector test" komutu ile ağırlık dosyası, config dosyası ve test edilecek dosya belirtilerek test yapılabilir.
- Darknet, indirilen ağırlık dosyasından 162 tane layer'ı yükleyerek nesneleri tespit edebilir.
- 13:29Video Üzerinde Test
- Video üzerinde test için "darknet detector demo" komutu ile config dosyası, data dosyası, ağırlık dosyası ve video ismi belirtilmelidir.
- Ekran kartı kullanıldığında işlemci üzerinde yapılan işlemlere göre yaklaşık 4-5 kat daha hızlı çalışabilmektedir.
- Darknet ve YOLO V4 modeli başarıyla kurulmuş ve çalışır durumdadır, sonraki videoda kendi eğitilecek model için config dosyaları oluşturulacaktır.