ARTIFICIAL INTELLIGENCE – Sayfa 2 – Mobile Application Developer

All Posts All Posts

Category: ARTIFICIAL INTELLIGENCE
Gelişmiş Yüz Özellikleri Algılama (Advanced Face Features Detection) | iOS

Merhaba, uygulama ile seçilen bir resim içerisindeki yüzlerin sayısını, çevresini ve bulunan yüzlerin özellikleri nasıl tespit edileceğini gösteren basit bir uygulamadır. Yüz özelliklerinden kasıt sol göz, sağ göz, burun çevresi, burun üstü, yüz hattı, dudağın dış çevresi, dudağın iç hatları, sol kaş, sağ kaş, sol ve sağ göz bebeğidir. Ekran görüntülerinde uzak yüzleri bile başarıyla tespit edildiği gözlemlenebilmektedir.

Bu slayt gösterisi için JavaScript gerekir.

IBM Watson Eğitilmiş Model (Core ML) ile Trafik İşaretleri Tanımlama | iOS

Model üretme aşamaları için IBM Watson Servis ile CoreML için Custom Model Üretme linkinden detaylı inceleyebilirsiniz.
Eğitilmiş Model: Trafikisaretleri.mlmodel

Ekran Görüntüleri:

Bu slayt gösterisi için JavaScript gerekir.

IBM Watson Eğitilmiş Model (Core ML) ile Meyve Tanımlama | iOS

Model üretme aşamaları için IBM Watson Servis ile CoreML için Custom Model Üretme linkinden detaylı inceleyebilirsiniz.
Eğitilmiş Model:  ElmaMandalinePortakal.mlmodel

Ekran Görüntüleri:

Bu slayt gösterisi için JavaScript gerekir.

Ses Tanıma (Voice Recognition) (TensorFlow Lite) | Android

Merhaba, uygulama mobil uygulama içerisinden kayıt edilen seslerin, önceden eğitilmiş seslerden (“okay”,”hi”,”go”,”left”,”right”) hangisine benzediğini tahmin eden basit bir Tensorflow Lite modelin, Android içerisinde kullanma örneğidir. Modelin yaratılması ile ilgili kısımlardan daha çok mobil içerisinde model nasıl kullanılabilir şeklinde yaklaşılmıştır.

TensorflowLite Modeli (VoiceRecognition_output6.tflite ve sesler (modelin yanında olmak zorunda))

Mobil Arayüz:

Bu slayt gösterisi için JavaScript gerekir.

Gesture Recognition (TensorFlow Lite) | Android

Merhaba, uygulama mobil uygulama içerisinden çekilen görüntülerin, önceden eğitilmiş el hareketlerinden hangisine benzediğini tahmin eden basit bir Tensorflow Lite modelin, Android içerisinde kullanma örneğidir. Uygulama ile önce arka plan resmi çekilir, ardından el hareketlerinde biri yapılarak tekrar resim çekilir. Arka plan ayrıldıktan sonra ölçeklenip tahminleme yapılabilir. Modelin yaratılması ile ilgili kısımlardan daha çok mobil içerisinde model nasıl kullanılabilir şeklinde yaklaşılmıştır. Çözümleme resim boyutundan dolayı uzun sürebilir.

TensorflowLite Modeli (GestureRecognition_output5.tflite)

Eğitime ait resimler

Mobil Ekran Görüntüleri:

Bu slayt gösterisi için JavaScript gerekir.

IBM Watson Servis ile CoreML için Custom Model Üretme

Apple geçtiğimiz günlerde IBM ile işbirliği yaparak, CoreML için makine öğrenimi modellerini eğitmek üzere IBM’in Watson hizmetinden(servislerinden) yararlandığını duyurdu. Yani, artık cihazınız çevrimdışı olduğunda bile, iPhone ve iPad’de Watson makine öğrenim modellerinden yararlanan uygulamalar oluşturabilirsiniz. Uygulamalarınız görüntüleri hızlı bir şekilde analiz edebilir, görsel içeriği doğru bir şekilde sınıflandırabilir ve Watson Servislerini kullanarak modelleri kolayca eğitebilir. Detaylı bilgi için https://developer.apple.com/ibm/

IBM Watson New York merkezli IBM firması tarafından geliştirilen bir yapay zeka programı. Watson’nın en önemli yeteneklerinden biri mükemmel bir veri analizi kabiliyetine sahip olması. Milyarlarca veri içerisinde çok hızlı bir şekilde tarama gerçekleştirerek, doğal dilde sorulan sorulara cevap verebiliyor. Watson süper bilgisayarı 80 teraflop hızında yani saniyede 80 trilyon adet kayan nokta (floating point) işlemi yapabiliyor. Ayrıca süper bilgisayar yüksek kabiliyetli insan fonksiyonlarına cevap verebilmek için 6 milyondan fazla mantık kuralına karşılık gelen 200 milyondan fazla sayfa bilgiyi veri deposunda barındırıyor. Watson barındırdığı yapay zeka algoritmalarıyla da birçok çözümlenmesi zor soruna çözüm sunabiliyor. Watson süper bilgisayarı temel olarak aşağıdaki bileşenleri bünyesinde barındırıyor.

Model oluşturma aşamaları

https://www.ibm.com/cloud/apple-developer  Kayıt açmakla başlayabiliriz.


 

Desen Tanıma (Pattern Recognition TensorFlow Lite) | Android

Merhaba, uygulama mobil uygulama içerisinden seçilen görüntülerin, önceden eğitilmiş desenlerden hangisine benzediğini tahmin eden basit bir TensorflowLite modelin, Android içerisinde kullanma örneğidir. Bu görüntülerden bazıları eğitimde kullanılmış resimlerdir. Modelin yaratılması ile ilgili kısımlardan daha çok mobil içerisinde model nasıl kullanılabilir şeklinde yaklaşılmıştır.

TensorflowLite Modeli (PatternRecognition_output4.tflite)

Mobil Ekran Görüntüleri:

Bu slayt gösterisi için JavaScript gerekir.

Resimdeki Karakteri (Sayı-Harf) Tanıma (TensorFlow Lite) | Android

Merhaba, uygulama kameradan alınan bir görüntü içerisinde bulunan, el ile yazılmış sayı-harf tahmini yapmaktadır. Tahminleme için önceden eğitilmiş TensorflowLite modeli kullanılmaktadır. Model içerisinde eğitilmiş etiketler : “0”,”1″,”2″,”3″,”4″,”5″,”6″,”7″,”8″,”9″,

“A”,”B”,”C”,”D”,”E”,”F”,”G”,”H”,”I”,”J”,

“K”,”L”,”M”,”N”,”O”,”P”,”Q”,”R”,”S”,”T”,

“U”,”V”,”W”,”X”,”Y”,”Z”,”a”,”b”,”d”,”e”,”f”,”g”,”h”,”n”,”q”,”r”,”t”

olup, 46 tanedir.

Modeli indirin (handwrittingrecognition_output3.tflite)

Bu slayt gösterisi için JavaScript gerekir.

Android Kodlar:

Resim çekme sorunu yaşayanlar (https://developer.android.com/training/camera/photobasics)