Akıllı Mobil Cihazlarda YOLOv7 Modeli ile Nesne Tespiti

IF 0.4 Q4 ENGINEERING, MULTIDISCIPLINARY

Journal of Polytechnic-Politeknik Dergisi Pub Date : 2023-05-29 DOI:10.2339/politeknik.1296541

Batuhan Karadağ, Ali Ari

{"title":"Akıllı Mobil Cihazlarda YOLOv7 Modeli ile Nesne Tespiti","authors":"Batuhan Karadağ, Ali Ari","doi":"10.2339/politeknik.1296541","DOIUrl":null,"url":null,"abstract":"Derin öğrenmeye dayalı güncel nesne tespit algoritmalarından biri olan YOLOv7 modelinin Microsoft COCO verisetinde aldığı %51.2’lik ortalama kesinlik başarısı, diğer nesne tespit yöntemlerinin ilerisinde olduğunu kanıtlamıştır. YOLO ilk sunulduğu dönemden itibaren, hız ve doğruluk açısından etkili olması sebebiyle ticari alandaki nesne tespit problemlerinde tercih edilen bir model olmuştur. Genellikle derin öğrenmeye dayalı sistemlerin çalıştırılabilmesi için yüksek kapasitede donanımlara ihtiyaç duyulmaktadır. Bu çalışmada, günümüzde ticaretin önemli araçlarından biri haline gelen akıllı mobil cihazlarda nesne tespiti yapılabilmesi için YOLOv7 modelinin sunucuda aktif edilmesi ile akıllı mobil cihazlarda grafik işlemci birimi kullanılmadan nesne tespiti yapılabilmesi amaçlanmıştır. Yapılan çalışma ile YOLOv7 nesne tespit algoritması, iOS işletim sistemine sahip mobil cihazlarda başarı ile çalıştırılmıştır. Bu sayede mobil cihazlarda çekilen bir görüntü veya halihazırda galeride bulunan herhangi bir görüntü sunucuya aktarıldıktan sonra, doğruluk ve hız açısından etkili bir şekilde görüntü içerisinde bulunan nesnelerin tespitinin gerçekleştirilmesi sağlanmıştır.","PeriodicalId":44937,"journal":{"name":"Journal of Polytechnic-Politeknik Dergisi","volume":" ","pages":""},"PeriodicalIF":0.4000,"publicationDate":"2023-05-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Polytechnic-Politeknik Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.2339/politeknik.1296541","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ENGINEERING, MULTIDISCIPLINARY","Score":null,"Total":0}

引用次数: 0

Abstract

Derin öğrenmeye dayalı güncel nesne tespit algoritmalarından biri olan YOLOv7 modelinin Microsoft COCO verisetinde aldığı %51.2’lik ortalama kesinlik başarısı, diğer nesne tespit yöntemlerinin ilerisinde olduğunu kanıtlamıştır. YOLO ilk sunulduğu dönemden itibaren, hız ve doğruluk açısından etkili olması sebebiyle ticari alandaki nesne tespit problemlerinde tercih edilen bir model olmuştur. Genellikle derin öğrenmeye dayalı sistemlerin çalıştırılabilmesi için yüksek kapasitede donanımlara ihtiyaç duyulmaktadır. Bu çalışmada, günümüzde ticaretin önemli araçlarından biri haline gelen akıllı mobil cihazlarda nesne tespiti yapılabilmesi için YOLOv7 modelinin sunucuda aktif edilmesi ile akıllı mobil cihazlarda grafik işlemci birimi kullanılmadan nesne tespiti yapılabilmesi amaçlanmıştır. Yapılan çalışma ile YOLOv7 nesne tespit algoritması, iOS işletim sistemine sahip mobil cihazlarda başarı ile çalıştırılmıştır. Bu sayede mobil cihazlarda çekilen bir görüntü veya halihazırda galeride bulunan herhangi bir görüntü sunucuya aktarıldıktan sonra, doğruluk ve hız açısından etkili bir şekilde görüntü içerisinde bulunan nesnelerin tespitinin gerçekleştirilmesi sağlanmıştır.

查看原文本刊更多论文

智能移动设备上YOLOv7模型的对象表

在当代目标检测算法之一YOLOv7的Microsoft COCO数据库中，平均成功率为51.2%，已被证明优于其他目标检测方法。由于第一年的介绍，它已经成为商业领域物体识别问题中的一个模型，因为它对速度和准确性有影响。通常，操作深度学习系统需要高容量软件。在本练习中，YOLOv7模型已将对象调度设计为在服务器上使用，以便可以在智能移动设备上配置对象，该设备是当前最重要的商业工具之一。Yapılançalışma ile YOLOv7 nesne tespit algorithması，iOS işletim系统sahip mobil cihazlada başarıileçalştırılmı。因此，在将图像或图像移动到移动设备上的图库中的任何图像到服务器之后，它确保在图库上执行包含在对象的精度和速度的有效且平滑的视图中的图像。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Journal of Polytechnic-Politeknik Dergisi ENGINEERING, MULTIDISCIPLINARY-

自引率

33.30%

发文量

125