- Katılım
- 23 Eki 2022
- Mesajlar
- 12,261
- Çözümler
- 14
- Tepkime puanı
- 9,938
- Puanları
- 113
- Yaş
- 28
- Web sitesi
- farming-simulator.r10dev.net
Metin2 Vision Bot
Metin2 Vision Bot, Python kullanılarak geliştirilen gelişmiş bir bilgisayarlı görü (Computer Vision) projesidir. Proje; YOLOv8, OpenCV, Tesseract OCR, spaCy ve Windows API gibi modern teknolojileri bir araya getirerek gerçek zamanlı nesne algılama, metin okuma ve görüntü analizi konularında örnek bir çalışma sunmaktadır.Sistem, Hyper-V sanallaştırma ortamında çalışabilecek şekilde tasarlanmış olup CUDA destekli ekran kartlarıyla yüksek performanslı nesne algılama gerçekleştirebilir.
Kullanılan Teknolojiler
- Python 3.10
- YOLOv8 (Ultralytics)
- OpenCV
- Tesseract OCR
- spaCy
- Windows API
- CUDA GPU Hızlandırma
- Hyper-V
- Roboflow
- PyTorch
- Pynput
Temel Özellikler
- YOLOv8 ile gerçek zamanlı nesne algılama
- OpenCV ile görüntü işleme
- OCR sayesinde ekran üzerindeki metinleri okuyabilme
- spaCy ile metin analizi
- Çoklu kanal (Channel) desteğine uygun mimari
- CUDA destekli GPU hızlandırma
- Windows API tabanlı kontrol sistemi
- Modüler ve geliştirilebilir kaynak kod yapısı
YOLOv8 Nesne Algılama
Proje, Ultralytics YOLOv8 modeli kullanılarak eğitilmiştir.Eğitim ortamı:
- Python 3.10.12
- PyTorch 2.1
- CUDA 12.1
- NVIDIA Tesla T4 GPU
Model, gerçek zamanlı nesne algılama için optimize edilmiş olup yüksek doğruluk oranları sunmaktadır.
Model Performansı
| Sınıf | Precision | Recall | mAP50 | mAP50-95 |
|---|---|---|---|---|
| Genel | 99.3% | 93.9% | 97.4% | 82.8% |
| Boss | 98.3% | 81.8% | 93.1% | 73.9% |
| Metin Taşı | 99.6% | 100% | 99.5% | 86.7% |
| NPC | 99.9% | 100% | 99.5% | 87.7% |
Bu sonuçlar, modelin eğitim veri seti üzerinde oldukça başarılı bir nesne algılama performansı sergilediğini göstermektedir.
Özel Veri Seti
Model eğitimi için Roboflow kullanılarak özel bir veri seti hazırlanmıştır.Veri seti özellikleri:
- 316 görüntü
- 800×600 çözünürlük
- Manuel etiketleme
- Çoklu nesne sınıfları
- Eğitim ve doğrulama için optimize edilmiş yapı
Veri Artırma (Data Augmentation)
Model başarısını artırmak amacıyla çeşitli veri artırma yöntemleri uygulanmıştır.Bunlar arasında;
- Yatay çevirme (Horizontal Flip)
- Hafif bulanıklaştırma (Blur)
- Rastgele varyasyonlar
- Annotation Heatmap analizi
yer almaktadır.
Bu teknikler modelin farklı oyun sahnelerinde daha başarılı sonuçlar üretmesine yardımcı olur.
OCR ve Metin Analizi
Proje, yalnızca görüntü algılamakla kalmaz; aynı zamanda ekran üzerindeki yazıları da okuyabilir.Bu amaçla;
- Tesseract OCR
- spaCy
teknolojileri birlikte kullanılarak ekran mesajları analiz edilebilir ve farklı durumlar tespit edilebilir.
OpenCV ile Görüntü İşleme
OpenCV kullanılarak çeşitli görüntü işleme teknikleri uygulanmaktadır.Bunlardan bazıları:
- Gri tonlamaya dönüştürme
- Eşikleme (Threshold)
- Kontur (Contour) tespiti
- Şekil filtreleme
- Yön analizi
- Piksel tabanlı nesne ayrıştırma
Bu yöntemler, YOLO modelini destekleyerek daha güvenilir sonuçlar elde edilmesine katkı sağlar.
Kimler İçin Uygun?
Bu proje özellikle aşağıdaki alanlarda çalışan geliştiriciler için faydalıdır:- Python geliştiricileri
- Yapay zekâ geliştiricileri
- Computer Vision ile ilgilenenler
- OpenCV öğrenmek isteyenler
- YOLOv8 model eğitimi yapmak isteyenler
- OCR sistemleri geliştirenler
- Görüntü işleme projeleri hazırlayanlar
Uyarı
Bu proje, bilgisayarlı görü, nesne algılama ve görüntü işleme tekniklerini öğretmek amacıyla hazırlanmış teknik bir örnek niteliğindedir. Çevrim içi oyunlarda üçüncü taraf otomasyon yazılımlarının kullanımı, ilgili oyunun veya sunucunun hizmet şartlarını ihlal edebilir ve hesap yaptırımlarına neden olabilir.
İçeriği görüntülemek için Giriş yapın veya Kayıt olun.
