Google MobileNets: Nesne tanıma modeli

217MobileNets nesne tanıma modeli

Sunucu tabanlı yapay zeka geçen yılda kaldı çünkü artık chip tasarımcısı ARM, Facebook ve Apple gibi büyük firmalar derin öğrenimi akıllı telefonlara uyarlamanın peşindeler. Google derin öğrenimi daha çok geliştiricinin hizmetine sunmak için MobileNets adını verdiği yeni bir mobil yapay zeka görüşü modelini açıkladı. Bu modelle daha önce eğitilmiş düşük güçlü resim tanımayı etkinleştirmek. Böylece geliştiriciler yavaş, veri azmanı ve potansiyel olarak hacklenmeye açık bulut sistemleri kullanmadan resimlendirme özellikleri ekleyebilecekler.

Google uygulamayı açık kaynaklı yaparak herhangi bir geliştiricinin bunu kullanabilmesini sağlıyor. Model, nesne tespiti, yüz niteliği tanıma, ince ayarlı sınıflandırma (örneğin bir köpeğin cinsini algılayabilme) ve manzara tanıma gibi zor işleri yapabiliyor. Kullanılan teknoloji, Google’ın derin öğrenme modeli olan TensorFlow’un bir parçası aslında. TensorFlow yakın tarihte TensorFlow Lite adıyla mobil cihazlara taşınmıştı.

MobileNets her şeye uyumlu tek ölçütte bir model değil zira Google her büyüklükte mobil projenin kullanımı için 16 adet ön eğitimli model yapmıştı. Model büyüdükçe yüzleri, alanları ya da köpek cinslerini daha iyi tanıyabiliyor. Bu esnada CPU kullanımı zirve yaparken, isabet oranı ise yüzde 70.7 ile 89.5 civarlarında geziniyor. Bu oranlar Google’ın bulut tabanlı yapay zekasının gösterdiği performansa yakın rakamlar zira o da nesneleri algılayıp adlandırmada yüzde 94 oranında bir isabet oranına sahip.

Google Face Recognition
Yeni nesne algılayıcı model

Geliştiriciler kullanabilecekleri farklı ön eğitimli modeller arasından uygulamanın hafıza ve işleme gereksinimlerine en uygun olacak olanlarını seçebiliyor. Geliştiriciler yeni modelleri entegre etmek için iOS ve Android üzerindeki yapay zeka uygulamalarının kolayca çalıştırılmasını sağlamak üzere tasarlanmış bir sistem olan TensorFlow Mobile’ı kullanmaya ihtiyaç duyarlar.

Tüketici açısından bakacak olursak yakında temel resim tanımlama gibi faydalı işlevleri yerine getirebilen uygulamalarla karşılaşabilirsiniz. Üstelik bu işlemler daha hızlı, daha az veri kullanımıyla ve daha iyi sağlanmış gizlilik uygulamaları dahilinde olacak. Buna bir örnek Google’ın yeni Lens ürünü olabilir. Lens manzara görüntülerini, ürünleri ve yüzleri bir telefon ve bulut işlemi kombinasyonu kullanarak ayırd edebiliyor. Fakat yine de teknolojinin olgunluğa ermesi için yeterli chip alt yapısına da erişmiş olmamız gerekiyor. Zaten Google ve Apple’ da bu konu üzerinde çalışma yapıyorlar.

217MobileNets nesne tanıma modeli

Sunucu tabanlı yapay zeka geçen yılda kaldı çünkü artık chip tasarımcısı ARM, Facebook ve Apple gibi büyük firmalar derin öğrenimi akıllı telefonlara uyarlamanın peşindeler. Google derin öğrenimi daha çok geliştiricinin hizmetine sunmak için MobileNets adını verdiği yeni bir mobil yapay zeka görüşü modelini açıkladı. Bu modelle daha önce eğitilmiş düşük güçlü resim tanımayı etkinleştirmek. Böylece geliştiriciler yavaş, veri azmanı ve potansiyel olarak hacklenmeye açık bulut sistemleri kullanmadan resimlendirme özellikleri ekleyebilecekler.

Google uygulamayı açık kaynaklı yaparak herhangi bir geliştiricinin bunu kullanabilmesini sağlıyor. Model, nesne tespiti, yüz niteliği tanıma, ince ayarlı sınıflandırma (örneğin bir köpeğin cinsini algılayabilme) ve manzara tanıma gibi zor işleri yapabiliyor. Kullanılan teknoloji, Google’ın derin öğrenme modeli olan TensorFlow’un bir parçası aslında. TensorFlow yakın tarihte TensorFlow Lite adıyla mobil cihazlara taşınmıştı.

MobileNets her şeye uyumlu tek ölçütte bir model değil zira Google her büyüklükte mobil projenin kullanımı için 16 adet ön eğitimli model yapmıştı. Model büyüdükçe yüzleri, alanları ya da köpek cinslerini daha iyi tanıyabiliyor. Bu esnada CPU kullanımı zirve yaparken, isabet oranı ise yüzde 70.7 ile 89.5 civarlarında geziniyor. Bu oranlar Google’ın bulut tabanlı yapay zekasının gösterdiği performansa yakın rakamlar zira o da nesneleri algılayıp adlandırmada yüzde 94 oranında bir isabet oranına sahip.

Google Face Recognition
Yeni nesne algılayıcı model

Geliştiriciler kullanabilecekleri farklı ön eğitimli modeller arasından uygulamanın hafıza ve işleme gereksinimlerine en uygun olacak olanlarını seçebiliyor. Geliştiriciler yeni modelleri entegre etmek için iOS ve Android üzerindeki yapay zeka uygulamalarının kolayca çalıştırılmasını sağlamak üzere tasarlanmış bir sistem olan TensorFlow Mobile’ı kullanmaya ihtiyaç duyarlar.

Tüketici açısından bakacak olursak yakında temel resim tanımlama gibi faydalı işlevleri yerine getirebilen uygulamalarla karşılaşabilirsiniz. Üstelik bu işlemler daha hızlı, daha az veri kullanımıyla ve daha iyi sağlanmış gizlilik uygulamaları dahilinde olacak. Buna bir örnek Google’ın yeni Lens ürünü olabilir. Lens manzara görüntülerini, ürünleri ve yüzleri bir telefon ve bulut işlemi kombinasyonu kullanarak ayırd edebiliyor. Fakat yine de teknolojinin olgunluğa ermesi için yeterli chip alt yapısına da erişmiş olmamız gerekiyor. Zaten Google ve Apple’ da bu konu üzerinde çalışma yapıyorlar.

More from author

Leave A Reply

Lütfen yorumunuzu giriniz!
Lütfen isminizi buraya giriniz
Captcha verification failed!
Captcha kullanıcı puanı başarısız oldu. lütfen bizimle iletişime geçin!

Related posts

Advertismentspot_img

Latest posts

Permolit Boya’dan Uzun Ömürlü Sağlam Yalıtım

Permolit Boya’dan Uzun Ömürlü Sağlam Yalıtım Akçalı Boya ve Kimya San. Tic. A.Ş.'nin en önemli markalarından biri olan Permolit Boya, tüketicilerin ihtiyaçlarına uygun geliştirdiği elyaflı...

YouTube reklamlarında CoinHive JavaScript kripto madencilik kodu tespit edildi

YouTube reklamlarında CoinHive JavaScript kripto madencilik kodu tespit edildi Yeni bir rapora göre, bazı ülkelerde yayınlanan bazı YouTube reklamları, hackerlar tarafından, video izleyicilerinin bilgisayarlarının işlem...

Kara Cuma (Black Friday) çılgınlığı nedir?

Kara Cuma (Black Friday) Şükran Günü’nün (Thanksgiving Day) ertesi sabahında gerçekleşen bir alışveriş çılgınlığıdır. Kara Cuma bu yıl 25 Kasım tarihine denk gelmektedir. Ünlü markalar Kara Cuma’da %80’e varan indirimler...
[tdn_block_newsletter_subscribe title_text="Want to stay up to date with the latest news? " description="V2UlMjB3b3VsZCUyMGxvdmUlMjB0byUyMGhlYXIlMjBmcm9tJTIweW91ISUyMFBsZWFzZSUyMGZpbGwlMjBpbiUyMHlvdXIlMjBkZXRhaWxzJTIwYW5kJTIwd2UlMjB3aWxsJTIwc3RheSUyMGluJTIwdG91Y2guJTIwSXQncyUyMHRoYXQlMjBzaW1wbGUh" input_placeholder="Email address" btn_text="Subscribe" tds_newsletter2-image="8" tds_newsletter2-image_bg_color="#c3ecff" tds_newsletter3-input_bar_display="row" tds_newsletter4-image="9" tds_newsletter4-image_bg_color="#fffbcf" tds_newsletter4-btn_bg_color="#f3b700" tds_newsletter4-check_accent="#f3b700" tds_newsletter5-tdicon="tdc-font-fa tdc-font-fa-envelope-o" tds_newsletter5-btn_bg_color="#000000" tds_newsletter5-btn_bg_color_hover="#4db2ec" tds_newsletter5-check_accent="#000000" tds_newsletter6-input_bar_display="row" tds_newsletter6-btn_bg_color="#da1414" tds_newsletter6-check_accent="#da1414" tds_newsletter7-image="10" tds_newsletter7-btn_bg_color="#1c69ad" tds_newsletter7-check_accent="#1c69ad" tds_newsletter7-f_title_font_size="20" tds_newsletter7-f_title_font_line_height="28px" tds_newsletter8-input_bar_display="row" tds_newsletter8-btn_bg_color="#00649e" tds_newsletter8-btn_bg_color_hover="#21709e" tds_newsletter8-check_accent="#00649e" embedded_form_code="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" tds_newsletter="tds_newsletter1" tds_newsletter1-input_bar_display="" tds_newsletter1-input_border_size="0" tds_newsletter1-title_color="#172842" tds_newsletter1-description_color="#90a0af" tds_newsletter1-disclaimer_color="#90a0af" tds_newsletter1-disclaimer2_color="#90a0af" tds_newsletter1-input_text_color="#90a0af" tds_newsletter1-input_placeholder_color="#bcccd6" tds_newsletter1-input_bg_color="#ffffff" tds_newsletter1-input_border_color="rgba(255,255,255,0)" tds_newsletter1-input_border_color_active="rgba(255,255,255,0)" tds_newsletter1-f_title_font_family="394" tds_newsletter1-f_title_font_size="eyJhbGwiOiI0MiIsImxhbmRzY2FwZSI6IjM2IiwicG9ydHJhaXQiOiIzMCIsInBob25lIjoiMzAifQ==" tds_newsletter1-f_title_font_line_height="1.2" tds_newsletter1-f_title_font_spacing="-1" tds_newsletter1-f_descr_font_family="638" tds_newsletter1-f_descr_font_size="eyJhbGwiOiIxOCIsImxhbmRzY2FwZSI6IjE1IiwicG9ydHJhaXQiOiIxNCIsInBob25lIjoiMTQifQ==" tds_newsletter1-f_descr_font_line_height="1.6" tds_newsletter1-f_descr_font_weight="700" content_align_horizontal="content-horiz-center" tdc_css="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" tds_newsletter1-f_disclaimer_font_family="394" tds_newsletter1-f_disclaimer2_font_family="394" tds_newsletter1-f_input_font_family="394" tds_newsletter1-f_input_font_line_height="3" tds_newsletter1-f_input_font_size="eyJhbGwiOiIxNiIsInBvcnRyYWl0IjoiMTQiLCJwaG9uZSI6IjE0In0=" tds_newsletter1-f_btn_font_family="394" tds_newsletter1-f_btn_font_transform="uppercase" tds_newsletter1-f_btn_font_weight="700" tds_newsletter1-btn_bg_color="#e2687e" tds_newsletter1-btn_bg_color_hover="#172842" tds_newsletter1-f_input_font_weight="" tds_newsletter1-f_title_font_weight="800"]