İnceleme
Kategoriler
Cep Telefonu
Notebook
Anakart
ADSL Modem
İşlemci
Tablet
Ekran Kartı
Televizyon
Fotoğraf Makinesi
Depolama
Klavye ve Mouse
Giyilebilir Teknoloji
Kulaklık
Ses Sistemi
Oyun İnceleme
Ev Elektroniği
Navigasyon
Son İncelenenler
Aqara Camera Hub G2H inceleme
PlayStation VR 2 inceleme
vivo V40 & v40 lite inceleme
Huawei WiFi 7 BE3 inceleme
iPhone 16 Pro inceleme
Nillkin Desktop Stand, Nillkin MagRoad Lite, Nillkin Bolster Portable Stand inceleme
Mcdodo MC-1360 10.000 mAh LED Göstergeli Powerbank inceleme
Haber
Kategoriler
Kripto Dünyası
Cep Telefonu
Windows
Sosyal Medya
Oyun ve Eğlence
Bilim
Dijital Fotoğraf
Notebook
Ekran Kartları
Güvenlik
Mobil Uygulamalar
Twitter
Instagram
Facebook
CES 2024
Scooter
Araçlar
Netflix
Gitex 2022
En Son Haberler
13 yaşındaki TikTokçu, kendi ürettiği meme coin'leri satıp kaçtı
Casio'nun yeni sürprizi: Yüzük görünümlü saat!
Onay gelmedi: Netflix'in sevilen yapımına ikinci sezon şoku
Yeni DS 4 Pallas satışa çıktı: Türkiye fiyatı ve özellikleri
vivo X200 Pro performansı nasıl? Teknik özellikleri neler?
Huawei’den dünya çapında ‘Akıllı Ağ’ anlaşması
Yeni sızıntı, RTX 5070 Ti'nin ne kadar güç çekeceğini ortaya koydu
Forum
CHIP Online
Chip Dergisi
PDF Arşivi
2015
Eylül
CHIP Dergisi Arşivi: Eylül 2015 - Sayfa 34
32
33
34
35
36
Kategoriler
İnceleme
Cep Telefonu
Notebook
Anakart
ADSL Modem
İşlemci
Tablet
Ekran Kartı
Televizyon
Fotoğraf Makinesi
Depolama
Klavye ve Mouse
Giyilebilir Teknoloji
Kulaklık
Ses Sistemi
Oyun İnceleme
Ev Elektroniği
Navigasyon
Haberler
Cep Telefonu
Oyun ve Eğlence
Bilim
Notebook
Ekran Kartları
Mobil Uygulamalar
Yapay zeka
Sony Xperia Z3
Xiaomi
Xbox One
Windows 11
Windows 10
TikTok
Sinema
Samsung Galaxy S8
Samsung Galaxy S6
Samsung Galaxy S5
Samsung
Playstation 5
Oyun konsolu
Otomobil
Ofis ve Finans
Note 4
MWC 2018
MWC 2017
MWC 2015
Microsoft
LG G6
LG G5
LG G4
LG G3
İşletim Sistemleri
İş dünyası
iPhone SE
iPhone 7
iPhone 6S
iPhone 6
iOS
Instagram
IFA 2017
HTC One M9
HTC 10
Google
Diziler
Discovery 2
CES 2018
CES 2017
CES 2015
Blockchain ve Bitcoin
Bilgisayarlar
Xbox Game Pass
Xbox Series S/X
Uzay
Android
Forum
© 2024 Doğan Burda Dergi Yayıncılık ve Pazarlama A.Ş.
Halihazırda RealSense ya da Kinect üzerinde bulunan sensörlere benzer cihazlarla donatılmış tek bir Tango tablet mevcut (bkz. ilk sayfa). Ayrıca cihazdaki hareket takip sistemi kızılötesi ölçümler yaparak prototipin kendi konumunu da kaydetmesini sağlıyor. Tableti evinizin içinde dolaştırdığınızda Tango gittiği yolu kaydediyor ve eş zamanlı olarak mekanı da ölçüyor. Ardından adımlarınızı takip ederek geri gittiğinizde Tango bir veri senkronizasyonu gerçekleştiriyor ve daha önce bu konumda bulunmuş olduğunu algılıyor. Cihaz kısa süre içinde bulunduğu çevre hakkında oldukça geniş bilgi edinebilecek yeteneğe sahip olacak. Peki neden bu kadar zahmete katlanıyoruz? Birkaç yıl içinde kendi kendini süren arabalar bilgisayar kontrol sistemleri ile sokaklarda geziniyor olacak. Bunların sürekli değişen çevrelerinde konumlarını ve gitmeleri gereken yönü anlamak için çok seviyeli sensör cihazlara ihtiyaçları olacak. Stereo kameralar sayesinde yapılan mesafe hesapları, 30 metreye kadar olan kısa mesafelerde gayet yeterli (bkz. sol üst) – trafik ışıklarını ve şeritleri algılamakta güçlük çekmiyorlar. Ancak bunlar yalnız 50-60 derece gibi dar bir açıyı yakalayabiliyor. Kendi kendini süren (otonom) arabalar Li-DAR sistemi sayesinde kendi çevrelerinin 360 derecelik tam bir görüntüsünü yaratabilirler. Bu sistem, lazer atımları yayarak bunların geri dönüş sürelerini değerlendiriyor. Bu teknoloji ile birkaç yüz metreye kadar güvenilir hesaplar yapılabiliyor fakat yine de bu, arabanın kendi kendini sürebilmesi için yeterli değil. Araç bilgisayarının veriyi detaylı bir 3D harita ile senkronize etmesi, yaya yolları, trafik ışıkları gibi ek bilgileri de katarak rotasını belirlemesi gerekiyor. Ayrıca bilgisayarın insanlar, bisikletler, hayvanlar gibi farklı nesneleri birbirinden ayırarak bunların gidiş yönünü de tahmin etmesi bekleniyor. Bu da yapay sinir ağları ile gerçekleşiyor. Nöral ağlar kendi kendilerini geliştiriyor Yapay sinir ağları, "Bir at, ne zaman gerçek bir attır?" gibi sorulara yanıt arıyor. Bunun için ağa çok büyük miktarda at resmi ve fotoğrafı yüklenerek bir atın kuyruk, yele, burun, bacak veya nal gibi karakteristik özelliklerinin ayırdedilebilmesi sağlanıyor. Eğer geliştirici ağı yeteri kadar iyi "eğitebilirse" prensipte ağ, trafikte karşılaştığı bir atın tehlike potansiyelini değerlendirmede bizim kadar başarılı olabilecek. Nesnelerin tanımlanması ile ilgili en büyük gelişmelerden biri, Evrişimli Yapay Sinir ağlarının (CNN) kullanımına dair araştırmalarla elde edildi (sağ alt). Merkezi 'evriştirme' işlemi, pikseller kullanarak nesne çevresinde bir filtre yaratıyor. Evriştirme filtresi ise bu bölgenin tam ortasındaki pikselleri, bölgenin etrafındaki piksellerle karşılaştırıyor ve benzerlik arıyor. Günümüzde herkes bir evriştirme filtresi kullanmıştır. Gimp gibi bir görüntü işleme yazılımı da benzer filtrelerle fotoğrafların kenarlarını keskinleştirip yumuşatabiliyor. Bu işlem, CNN'ler tarafından birkaç kez tekrarlanıyor. Bu ağlar fotoğraftaki gerçek görüntüden olabildiğince uzaklaşarak her filtreleme işleminde daha yüksek seviyede bir soyut algılamaya ulaşmaya çalışıyorlar: Pikseller hatlara, çizgilere ve kıvrımlara; daha sonra gözlere, burun ve bacaklara dönüşüyor. Filtrenin amacı, bu özellikleri mümkün olduğunca belirgin şekilde ayırabilmek. Bu hedef doğrultusunda CNN onlarca, gerekirse binlerce filtreyi paralel olarak uyguluyor ve belirli bir nesne tipine hangisinin daha uygun olduğunu belirliyor. Filtre işlemi sona erdiğinde yapay sinir ağı çok daha ham yapılara dönüyor ve son safhada kararı veriyor: "Evet, bu gerçekten bir at". Yapay sinir ağları konusunda en ehil uzmanlar araştırmalarını Stanford gibi üniversitelerde yapsalar da sonunda kendilerini, ellerindeki dev görüntü arşivlerini sürekli taBİLGİ 3D görüntüyle araç sürüşü Otonom (kendi kendini süren) arabalarda bulunan bir stereo kamera, araç ve yakın çevredeki (30 metre gibi) engeller arasındaki mesafeyi ölçüyor. Buna benzer bir ölçüm sistemi, tam mesafe ölçümleri için Texas Instruments (1) tarafından geliştirildi. Yol tra?ğini anlamak için lazer ölçümleri Araba, LiDAR ölçümleri ile 360 derecelik açıda çevresini algılayabiliyor. Bu yöntemde, gönderilen lazer ışığının ne kadar sürede geri yansıdığına bakılıyor. Nöral ağlar nesneleri nasıl tanıyor? Ağ nesneyi tanımak için öncelikle sürekli tekrar eden 10 adet paralel süreç başlatıyor. Bu şekilde detaylardan (çizgiler, noktalar) başlayarak nesneyi yavaş yavaş dönüştürerek bir at olduğu kesin olarak algılanana dek, daha ham ve geniş yapılara kadar (bacaklar, kafa) ulaşıyor. ... C Convolution Layer: Bir fotoğraf filtresi sayesinde seçilen pikselin karakteristik özellikleri belirleniyor. R ReLu Layer: Elenen çizgisel öğeler sayesinde bir sınır değer belirlenip (R katmanındaki parlak noktalar) önemli kısımlar vurgulanıyor. P Pooling Layer: Önemli bölümlerin öne çıkabilmesi için çözünürlük azaltılıyor. Elde edilen sonuçla bir sonraki döngü başlatılıyor. FC Full Connected Layer: Elde edilen sonuç, diğer süreçlerin sonuçlarıyla sonuçlarıyla karşılaştırılarak karar veriliyor. C C C C R R R R P P FC 1) Videoyu http://bit.ly/1B4oXJQ adresinden izleyebilirsiniz. 3409/2015 TREND Bilgisayar vizyonu
