Akıllı Mobil Cihazlarda YOLOv7 Modeli ile Nesne Tespiti-Reference-Cited by-同舟云学术

Akıllı Mobil Cihazlarda YOLOv7 Modeli ile Nesne Tespiti

Published:2023-10-01 Issue:3 Volume:26 Page:1207-1214
ISSN:2147-9429
Container-title:Politeknik Dergisi
language:
Short-container-title:

Author:

KARADAĞ Batuhan¹^ORCID,ARI Ali²^ORCID

Affiliation:

1. İskenderun Teknik Üniversitesi

2. İNÖNÜ ÜNİVERSİTESİ

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.

Publisher

Politeknik Dergisi

Reference34 articles.

1. [1] Cai Y., Li H., Yuan G., Niu W., Li Y., Tang X., Ren B. Ve Wang Y., ”YOLObile: Real-Time Object Detection on Mobile Devices via Compression-Compilation Co-Design”, arXiv:2009.05697, (2020).

2. [2] Arı A., “Multipath feature fusion for hyperspectral image classification based on hybrid 3D/2D CNN and squeeze-excitation network”, Earth Science Informatics, 16:175–191, (2023).

3. [3] Tao J., Wang H., Zhang X., Li X. and Yang H., "An object detection system based on YOLO in traffic scene", 2017 6th International Conference on Computer Science and Network Technology (ICCSNT), Dalian, China, 2017, pp. 315-319, (2017).

4. [4] Dersuneli M. , Gündüz T. ve Kutlu Y. , "Bul-Tak Oyuncağı Şekillerinin Klasik Görüntü İşleme ve Derin Öğrenme Yöntemleri ile Tespiti", Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, c. 10, sayı. 4, ss. 1290-1303, Ara. 2021, (2021).

5. [5] Liu C., Tao T., Liang J., Li K. and Chen Y., "Object Detection Based on YOLO Network," 2018 IEEE 4th Information Technology and Mechatronics Engineering Conference (ITOEC), Chongqing, China, 2018, pp. 799-803, (2018).

Cited by 2 articles. 订阅此论文施引文献订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献

1. Heatmap creation with YOLO-Deep SORT system customized for in-store customer behavior analysis;Communications Faculty of Sciences University of Ankara Series A2-A3 Physical Sciences and Engineering;2024-06-14

2. Real-Time Scalable System For Face Tracking In Multi-Camera;Journal of Polytechnic;2024-03-01