Bilgisayarlı Görmeye Giriş

• 1. Bilgisayarlı Görü Nedir?
  • 1.1 “İlk Prensipler” Felsefesi
• 2. İnsan Görme Sistemi: Biyoloji, Yanılma ve Belirsizlik
  • 2.1 Biyolojik Olarak Işının Takip Ettiği Patika
  • 2.2 Niteliksel ve Niceliksel Görü
  • 2.3 Görsel Yanılsamalar (İllüzyonlar)
• 3. Kapsanan Konular: Yol Haritası
  • Modül Detayları
• 4. Küresel Uygulamalar: Modern Dünyada Bilgisayarlı Görü

1. Bilgisayarlı Görü Nedir?

Bilgisayarlı görü (computer vision), yalnızca yapay zekanın bir alt kümesi değil; çok disiplinli, köklü bir mühendislik ve bilim girişimidir. Fiziksel dünya ile sembolik anlama arasında köprü kurar; optik, sinyal işleme, elektrik mühendisliği ve bilgisayar biliminden beslenir.

Görü hattı: ışık kaynağı → sahne → kamera → Vision Software, sahne açıklamasını üretir

Temel zorluk, ham sayısal dizileri—piksel verisini—anlamlı bir 3B ortam tanımına dönüştürmektir.

Ham görsel girdi: duş alan iki çocuk

Aynı sahnenin sayısal piksel matrisi temsili

Bu alanda, misyonun tanımı çoğu zaman yöntemi belirler. Aşağıda bilgisayarlı görü araştırmasının üç temel felsefi dayanağının bir karşılaştırması yer almaktadır:

1.1 “İlk Prensipler” Felsefesi

Çağdaş derin öğrenme güçlü araçlar sunarken, İlk Prensipler yaklaşımı—matematiksel ve fiziksel temellere odaklanmak—genelleştirilebilir ve açıklanabilir yapay zeka için bir ön koşuldur. “Kara kutu” modellere güvenmek, gerçek yenilik için gereken yapısal anlayışı atlar.

Neden İlk Prensipler? Fiziksel olaylar çoğu zaman zarif matematikle tanımlanabilir; bu da devasa veri kümelerini ve kapsamlı eğitim döngülerini gereksiz kılar.

Bu temelleri dört nedenle önceliyoruz:

1. Kesinlik ve Özlülük — Fiziksel olaylar genellikle zarif matematikle tanımlanabilir, büyük veri kümelerini gereksiz kılar.
2. Hata Ayıklama ve Teşhis — Bir görü sistemi başarısız olduğunda, ilk prensipler hatanın nedenini teşhis etmek için tek titiz çerçeveyi sağlar.
3. Sentetik Veri Üretimi — Gerçek dünya verisi toplamak pratik olmadığında veya tehlikeli olduğunda, matematiksel modeller yüksek kaliteli eğitim verisi üretmemizi sağlar.
4. Bilimsel Merak — Görsel olayların ardındaki “neden“i anlama içgüdüsü, yalnızca veri odaklı yöntemlerin gözden kaçırabileceği atılımlara yol açar.

2. İnsan Görme Sistemi: Biyoloji, Yanılma ve Belirsizlik

İnsan gözünü incelemek, yapay görü tasarlamak için gerekli bir başlangıç noktasıdır. Makineler ve insanlar çoğu zaman farklı hedeflere sahip olsa da—niteliksel navigasyon niceliksel ölçüme karşı—göz, verimli bilgi azaltımı için bir yol haritası sağlar.

2.1 Biyolojik Olarak Işının Takip Ettiği Patika

İnsan görsel sistemi, hızlı analiz için tasarlanmış karmaşık bir hiyerarşidir:

flowchart LR
    A["👁️ Göz ve Lens<br/><i>Birincil optik aşama</i>"] --> B["🧬 Retina<br/><i>Erken işleme + veri azaltma</i>"]
    B --> C["🔌 Optik Sinir<br/><i>Yüksek hızlı kanal</i>"]
    C --> D["🧠 LGN<br/><i>Röle istasyonu, bölgelere yönlendirir</i>"]
    D --> E["🎯 Görsel Korteks<br/><i>Şekil, renk, hareket, doku</i>"]
    
    style A fill:#1a1a2e,stroke:#e94560,color:#fff
    style B fill:#16213e,stroke:#e94560,color:#fff
    style C fill:#0f3460,stroke:#e94560,color:#fff
    style D fill:#1a1a2e,stroke:#e94560,color:#fff
    style E fill:#16213e,stroke:#e94560,color:#fff

Biyolojik görme yolağı: retina → LGN → görsel korteks (V1, V2, MT/V5, V8)

2.2 Niteliksel ve Niceliksel Görü

Mühendisler olarak şunu kabul etmeliyiz ki insan görüşü niteliksel bir sistemdir; oysa fabrika otomasyonu, tıbbi görüntüleme ve robotik niceliksel hassasiyet gerektirir. Bir insan bir yüzü anında tanıyabilir ancak bir bileşenin uzunluğunu milimetre hassasiyetiyle ölçemez. Aşırı güvenilirlik gerektiren görevler için insan biyolojisini taklit etmek çoğu zaman “yanlış” hedeftir; makineler biyolojik sistemlerin eksik olduğu ölçülebilir doğruluğu sağlamalıdır.

2.3 Görsel Yanılsamalar (İllüzyonlar)

İnsan görüşü göründüğünden daha yanılabilirdir; belirsizliği çözmek için genellikle içsel varsayımlara güvenir.

Örnek — Dongary Dalgası İllüzyonu: Aşağıdaki statik yaprak deseni, gözün istemsiz mikro-sakadları nedeniyle titreşiyor veya hareket ediyormuş gibi görünür.

Hareket algısı yaratan statik yaprak deseni — Dongary Dalgası illüzyonu

Önemli Çıkarım: İnsanlar görsel deneyimleri aracılığıyla düşünürken, makineler önce radyometri ve geometrinin titiz merceğinden hesaplamayı öğrenmelidir.

3. Kapsanan Konular: Yol Haritası

Bu specializasyon, piksellerden algıya kadar tüm hattı kapsar ve altı modüle ayrılmıştır:

flowchart TB
    subgraph Foundations["🟦 Temeller"]
        direction TB
        A["Giriş<br/><i>CV nedir, insan görüşü</i>"]
        B["Görüntüleme<br/><i>Oluşum, sensörler, işleme</i>"]
    end
    
    subgraph Features["🟧 Öznitelikler & 2B"]
        C["Öznitelikler<br/><i>Kenarlar, SIFT, dikiş, yüzler</i>"]
    end
    
    subgraph Reconstruction["🟩 3B Yeniden Yapılandırma"]
        D["Yeniden Yapılandırma I<br/><i>Radyometri, fotometrik stereo</i>"]
        E["Yeniden Yapılandırma II<br/><i>Stereo, optik akış, SfM</i>"]
    end
    
    subgraph Perception["🟥 Algı"]
        F["Algı<br/><i>Takip, bölütleme, NN</i>"]
    end
    
    A --> B --> C --> D --> E --> F
    
    style A fill:#1a1a2e,stroke:#4cc9f0,color:#fff
    style B fill:#1a1a2e,stroke:#4cc9f0,color:#fff
    style C fill:#1a1a2e,stroke:#f72585,color:#fff
    style D fill:#1a1a2e,stroke:#06d6a0,color:#fff
    style E fill:#1a1a2e,stroke:#06d6a0,color:#fff
    style F fill:#1a1a2e,stroke:#e94560,color:#fff
    style Foundations fill:transparent,stroke:#4cc9f0,color:#4cc9f0
    style Features fill:transparent,stroke:#f72585,color:#f72585
    style Reconstruction fill:transparent,stroke:#06d6a0,color:#06d6a0
    style Perception fill:transparent,stroke:#e94560,color:#e94560

Modül Detayları

4. Küresel Uygulamalar: Modern Dünyada Bilgisayarlı Görü

Görü, bir laboratuvar merakından, çeşitli sektörlerde gelişen küresel bir endüstriye dönüşmüştür.