Gerçek zamanlı nesne algılama algoritmalarının karşılaştırılması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, -, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: ELİF NUR YILMAZ
Danışman: Tuğba Selcen Navruz
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Son yıllarda yapay zekâ ve derin öğrenme alanlarında yaşanan teknolojik ilerlemeler, bilgisayarla görme sistemlerinin özellikle nesne algılama konusunda büyük bir gelişim göstermesini sağlamıştır. Bu tez çalışması kapsamında, karşılaştırmaya dâhil edilen modeller arasında en güncel YOLO ailesine ait YOLOv8, YOLOv9, YOLOv10 ve YOLO11 modellerinin küçük (s), orta (m) ve büyük (l) varyantları, geleneksel ancak yaygın olarak kullanılan SSD300-VGG16, ve ölçeklenebilir yapısıyla dikkat çeken EfficientDet (D0–D7) serisi yer almaktadır. Tüm modeller, MS COCO 2017 veri kümesi kullanılarak, PyTorch 2.0.1 çerçevesinde aynı donanım (Intel i7 CPU, 16 GB RAM, NVIDIA RTX 3050 GPU) ve yazılım konfigürasyonları altında test edilmiştir. Karşılaştırma, yalnızca doğruluk metrikleriyle sınırlı kalmamış; saniyedeki kare sayısı (FPS), çıkarım süresi (inference time), kesinlik (precision), duyarlılık (recall), F1-skoru, Ortalama Ortalama Hassasiyet (mAP), mAP50:95 ve Kesişim-Birleşim Oranı (IoU) gibi performans parametreleri üzerinden gerçekleştirilmiştir. Deneysel sonuçlar, özellikle YOLOv8s ve YOLOv10s modellerinin hem yüksek FPS değerleri hem de tatmin edici doğruluk skorları ile ön plana çıktığını göstermektedir. Buna karşın, SSD300-VGG16 modeli, rakiplerinin oldukça gerisinde kalmaktadır. EfficientDet D4-D7 modelleri yüksek yerelleştirme başarısıyla dikkat çekmektedir. Tezde ayrıca, modellerin zorlu koşullardaki dayanıklılığı da test edilmiştir. YOLOv10 ve YOLO11 modellerinin daha kararlı sonuçlar üretmiştir. Bunlara ek olarak, tezde kod seviyesinde yapılan optimizasyonların da performans üzerindeki etkisi ayrıntılı olarak ele alınmıştır. Bu sonuçlar ile yazılım optimizasyonunun da gerçek zamanlı sistemlerde önemli rol oynadığını açıkça ortaya koymaktadır. Sonuç olarak bu çalışma, farklı kullanım senaryoları için en uygun modeli belirlemede kapsamlı bir rehber sunmayı amaçlamaktadır. Gerçek zamanlılık, doğruluk ve sistem kaynaklarının dengeli kullanımı gibi pratik kaygıları ele alan bu tez; hem akademik alanda araştırma yapanlar hem de endüstriyel çözümler geliştiren profesyoneller için yol gösterici niteliktedir.