Bilgisayarlı Görüye Giriş: Bir Görüntü Makine İçin Ne İfade Eder?

Bir insan bir fotoğrafa baktığında anında “bu bir kedi” der. Bir bilgisayar için aynı fotoğraf, başlangıçta yalnızca sayılardan oluşan dev bir matristir. Bilgisayarlı görü, bu sayı yığınından anlamlı bilgi çıkarmayı hedefleyen alandır.

Bir görüntü aslında bir sayı matrisidir

Gri tonlamalı bir görüntü, her pikselin 0 (siyah) ile 255 (beyaz) arasında bir değer aldığı iki boyutlu bir matristir. Renkli bir görüntüde ise üç böyle matris üst üste gelir: Kırmızı, Yeşil, Mavi (RGB). 1000x1000 piksellik renkli bir fotoğraf, 3 milyon sayıdan oluşan bir veri yapısıdır.

Soru şu hale gelir: bu 3 milyon sayıdan “kedi mi, köpek mi?” sonucunu nasıl çıkarırsınız?

Evrişimli sinir ağları (CNN)

Klasik yaklaşım, görüntüyü küçük parçalar halinde tarayan filtrelerle (kernel) çalışan evrişimli sinir ağlarıdır (Convolutional Neural Network). Her filtre, kenarlar, köşeler veya dokular gibi basit örüntüleri tespit etmeyi öğrenir.

Ağ derinleştikçe katmanlar bu basit örüntüleri birleştirerek daha karmaşık kavramlara ulaşır:

• İlk katmanlar: kenar, çizgi, renk geçişi
• Orta katmanlar: doku, şekil, basit nesne parçaları (göz, kulak)
• Son katmanlar: tüm nesne (yüz, araba, hayvan)

Bu kademeli soyutlama, bilgisayarlı görünün derin öğrenmeyle bu kadar güçlü hale gelmesinin ana sebebidir.

Günlük hayatta nerede karşımıza çıkıyor?

• Yüz tanıma: Telefon kilidini açmak
• Tıbbi görüntüleme: Röntgen ve MR görüntülerinde anomali tespiti
• Otonom araçlar: Yaya, trafik işareti ve diğer araçları tespit etme
• Kalite kontrol: Fabrikada ürün hatalarını kameradan tespit etme
• OCR (optik karakter tanıma): Fotoğraftaki yazıyı metne çevirme

Transformer’lar bilgisayarlı görüye de girdi

Son yıllarda Vision Transformer (ViT) gibi mimariler, metinde başarılı olan dikkat mekanizmasını görüntülere uyarlayarak CNN’lerin bazı alanlarda yerini almaya başladı. Görüntü, küçük karelere (patch) bölünüp her kare bir “kelime” gibi işleniyor.

Bilgisayarlı görü, platformdaki İleri: Derin Öğrenme & NLP öğrenim yolunun önemli bir parçası; evrişim, havuzlama (pooling) ve veri artırma (data augmentation) gibi pratik kavramları gerçek görüntü veri setleriyle işliyoruz. Terimlerin tam tanımları için Yapay Zeka Sözlüğü’ndeki “Bilgisayarlı Görü” kategorisine göz atabilirsiniz.