YOLOv9: Gerçek Zamanlı Nesne Algılamada Devrim

YOLOv9, nesne algılama alanında son zamanlarda çıkan en heyecan verici gelişmelerden biridir. YOLO (You Only Look Once) serisinin en son modeli olan YOLOv9, nesneleri gerçek zamanlı olarak olağanüstü bir hızda ve doğrulukla algılayabilme yeteneğiyle öne çıkıyor.

YOLOv9’un Eşsiz Özellikleri:

• Programlanabilir Gradyan Bilgisi (PGI): YOLOv9, PGI adı verilen yeni bir teknoloji kullanarak modele neyi öğrenmesi gerektiğini tam olarak öğretme imkanı sunuyor. Bu sayede, modelin istenilen nesnelere odaklanması ve daha yüksek doğruluk elde edilmesi sağlanıyor.
• Genelleştirilmiş Verimli Katman Birleştirme Ağı (GELAN): GELAN, farklı katmanlardan gelen bilgileri daha etkin bir şekilde birleştirerek modelin daha sağlam ve tutarlı sonuçlar üretmesine yardımcı oluyor.
• Geliştirilmiş Performans: YOLOv9, önceki YOLO modellerine kıyasla önemli ölçüde daha hızlı ve daha az parametre kullanıyor. Bu sayede, daha az güçlü donanımlara sahip cihazlarda bile kullanılabiliyor.

YOLOv9 Kurulumu:

1 – Öncelikle yeni bir Colab Notebook açıyoruz:

2 – git reposundan YOLOv9’u colab’imize ekliyoruz, ardından requirements.txt adlı yazı dosyasından gerekli kurulumları uygulamamıza ekliyoruz.

!git clone https://github.com/WongKinYiu/yolov9.git
%cd yolov9
!pip install -r requirements.txt

3 – Sırada ağırlık dosyamızı yani modelimizi uygulamayı kurduğumuz klasörümüze eklemek var, bunu da yine repository’den çekeceğiz:

!wget -P /content/yolov9 https://github.com/WongKinYiu/yolov9/releases/download/v0.1/yolov9-c-converted.pt

4 – Modelimizi denemek için internetten uygulama klasörümüze bir resim ekleyelim:

!wget -P /content/yolov9 -q https://batikandemirci.com/wp-content/uploads/2023/08/kas.jpg

5 – Bu basit uygulamamızın aşamaları şimdilik bu kadar. Şimdi gelin uygulamayı bir deneyelim, detect.py üzerinden ve CPU kullanarak deneyeceğiz uygulamamızı:

!python detect.py --weights /content/yolov9/yolov9-c-converted.pt --source /content/yolov9/kas.jpg --device cpu

Evet, uygulamamız başarıyla çalıştı ve runs/detect/exp2 klasörüne kaydetti. Resimde de gözüktüğü gibi insanları tespit etti. Unutmayın bu çok sade bir uygulama, sadece v9’u nasıl kurulacağını göstermesi amaçlı yapılmıştır. Çeşitli algoritmalar ve ağırlık modelleri ile harika projeler yaratılabilir.

YOLOv9, gerçek zamanlı nesne algılama için güçlü ve kullanımı kolay bir araç. Bu blog yazısında, YOLOv9’un nasıl kurulduğunu ve örnek bir uygulamayla nasıl kullanılabileceğini gösterdik. YOLOv9’u kullanarak kendi özel nesne algılama uygulamalarınızı oluşturabilirsiniz. Happy coding!