Gerçek Zamanlı Nesne Tespiti: CNN Modelleri Sahada Nasıl Çalışır?

Gerçek zamanlı nesne tespiti için CNN mimarileri: tek geçişli tespit, çoklu nesne takibi ve endüstriyel sahada model optimizasyonu.

Endüstriyel görüntü analitiğinin kalbinde tek geçişli (single-shot) evrişimli sinir ağları yatar. Bu mimariler bir kareyi tek ileri geçişte işleyip tüm nesneleri sınıf ve konum bilgisiyle döndürür — gerçek zamanlı çalışmanın önkoşulu budur. Sahada kişi, araç, KKD ve ürün gibi onlarca sınıf aynı modelde tespit edilir.

Tespitten takibe

Tespit tek karelik bir fotoğraftır; sahada anlam, nesnenin zaman içindeki izinden çıkar. Çoklu nesne takibi (MOT), kareler arasında kimlik eşleştirmesi yaparak her kişiye ve araca kalıcı bir iz numarası verir. Hız, yön, kalış süresi ve bölge geçişleri bu izden hesaplanır.

Saha optimizasyonu

Genel veri kümeleriyle eğitilmiş model, sahanızın ışığına ve kamera açısına uyarlanmadan tam performans veremez. Kurulum sonrası ilk haftalarda toplanan örneklerle ince ayar yapılır; TensorRT ile nicemlenen model, edge GPU üzerinde iki katına kadar hızlanır. %96+ saha doğruluğu bu döngünün ürünüdür.