Computer Vision ve Görüntü İşleme

40+8

Saat Eğitim

10+2 hafta boyunca

20~40

Katılımcı

Kişisel ilgi garantisi

10+2

Modül

Kapsamlı müfredat

1

Sertifika

Tamamlama belgesi

Kimler İçin Uygun?

Yazılım Geliştiriciler ve Mühendisler

• Python veya C++ programlama deneyimine sahipseniz
• Görüntü işleme ve analiz sistemleri geliştirmek istiyorsanız
• Mobil veya web uygulamalarına görü özellikleri eklemek istiyorsanız
• Otomasyon sistemlerinde görsel algılama entegrasyonu yapacaksanız
• AR/VR uygulamaları için görü teknolojileri öğrenmek istiyorsanız

Sektör Profesyonelleri ve Araştırmacılar

• Sağlık sektöründe medikal görüntü analizi yapıyorsanız
• Otomotiv endüstrisinde ADAS sistemleri geliştiriyorsanız
• Güvenlik sistemleri ve video analitiği üzerinde çalışıyorsanız
• Üretimde kalite kontrol ve hata tespiti sistemleri kuruyorsanız
• Tarım, perakende veya lojistik sektörlerinde görü çözümleri arıyorsanız

Veri Bilimciler ve AI Uzmanları

• Görüntü veri setleri ile çalışmayı planlıyorsanız
• Klasik görüntü işlemeden modern CV tekniklerine geçiş yapacaksanız
• Object detection ve segmentation projeleri geliştiriyorsanız
• Video analizi ve real-time processing öğrenmek istiyorsanız
• Edge device'larda görü modelleri deploy etmeyi hedefliyorsanız

Eğitim Müfredatı

Hafta	Modül Adı	İçerik Detayları	Süre	Zorluk
1	Dijital Görüntü İşlemenin Temelleri	• Görüntü formasyonu ve dijital görüntü temsili • Piksel işlemleri, renk uzayları (RGB, HSV, LAB, YCrCb) • Histogram analizi ve eşitleme teknikleri • Görüntü aritmetiği ve mantıksal operasyonlar • Temel görüntü I/O işlemleri ve format dönüşümleri	4 saat	Temel
2	Görüntü Filtreleme ve İyileştirme	• Spatial domain filtreleme: Blur, Gaussian, Median • Frequency domain işlemleri: Fourier Transform, FFT • Gürültü giderme teknikleri ve denoising • Görüntü keskinleştirme ve detay artırma • Morphological operations: Erosion, dilation, opening, closing	4 saat	Temel
3	Kenar Tespiti ve Özellik Çıkarımı	• Gradient tabanlı kenar tespiti: Sobel, Prewitt, Roberts • Canny edge detection algoritması • Hough Transform ile çizgi ve daire tespiti • Corner detection: Harris, Shi-Tomasi, FAST • SIFT, SURF, ORB feature descriptors	4 saat	Orta
4	Görüntü Segmentasyonu Teknikleri	• Thresholding: Global, adaptive, Otsu's method • Region-based segmentation: Region growing, watershed • Clustering tabanlı segmentasyon: K-means, Mean Shift • Graph-based segmentation algoritmaları • Active contours ve level sets	4 saat	Orta
5	Object Detection ve Tracking	• Sliding window ve image pyramids • HOG (Histogram of Oriented Gradients) features • Cascade classifiers ve Haar features • Template matching teknikleri • Object tracking: KCF, CSRT, MedianFlow	4 saat	Orta
6	Modern Object Detection Sistemleri	• YOLO serisi: YOLOv5, YOLOv8, YOLOv9 mimarileri • R-CNN ailesi: Fast R-CNN, Faster R-CNN, Mask R-CNN • Single-shot detectors: SSD, RetinaNet • Anchor-free detection: CenterNet, FCOS • NMS ve post-processing teknikleri	4 saat	İleri
7	Semantic ve Instance Segmentation	• FCN (Fully Convolutional Networks) mimarisi • U-Net ve medical imaging uygulamaları • DeepLab serisi ve atrous convolution • Mask R-CNN ile instance segmentation • Panoptic segmentation kavramı	4 saat	İleri
8	Yüz Tanıma ve Biyometrik Sistemler	• Face detection: Viola-Jones, MTCNN, RetinaFace • Face alignment ve landmark detection • Face recognition: FaceNet, ArcFace, CosFace • Facial expression ve emotion recognition • Iris ve parmak izi tanıma sistemleri	4 saat	İleri
9	Video İşleme ve Real-time Sistemler	• Video capture ve frame processing • Background subtraction: MOG2, KNN • Optical flow: Lucas-Kanade, Farneback • Action recognition ve video classification • Real-time optimization teknikleri	4 saat	İleri
10	3D Computer Vision ve Depth Estimation	• Stereo vision ve disparity maps • Structure from Motion (SfM) • Monocular depth estimation • Point cloud processing temelleri • Camera calibration ve pose estimation	4 saat	İleri
U1	Uygulama 1 Akıllı Güvenlik Sistemi	• Multi-camera surveillance sistemi kurulumu • Person detection ve re-identification • Anomaly detection ve alert sistemi • Face recognition ile giriş kontrolü • Real-time dashboard geliştirme	4 saat	İleri
U2	Uygulama 2 Endüstriyel Kalite Kontrol Sistemi	• Üretim hattı için defect detection • Template matching ile ürün doğrulama • Dimensional measurement ve tolerans kontrolü • OCR ile etiket okuma ve doğrulama • Raporlama ve istatistik modülü	4 saat	İleri

Öğrenme Hedefleri

Bu eğitimi tamamladığınızda kazanacağınız temel beceriler

Klasik ve Modern Görüntü İşleme Teknikleri

OpenCV ile profesyonel görüntü işleme pipeline'ları kurabileceksiniz
Kenar tespiti, filtreleme ve segmentasyon algoritmalarını uygulayabileceksiniz
Feature extraction ve matching ile görüntü benzerlik analizi yapabileceksiniz
Histogram analizi ve renk uzayı dönüşümleri ile görüntü iyileştirme yapabileceksiniz
Morphological operations ile görüntü temizleme ve şekil analizi gerçekleştirebileceksiniz
Template matching ve pattern recognition sistemleri geliştirebileceksiniz

Deep Learning Tabanlı Görü Sistemleri

YOLO, Detectron2 ile real-time object detection sistemleri kurabileceksiniz
Semantic ve instance segmentation modelleri eğitip deploy edebileceksiniz
Face recognition ve biometric sistemler geliştirebileceksiniz
Custom dataset hazırlayıp kendi modellerinizi train edebileceksiniz
Transfer learning ve fine-tuning ile domain-specific çözümler üretebileceksiniz
Model optimization ve edge deployment yapabileceksiniz

Endüstriyel Uygulamalar ve Production Sistemleri

Güvenlik kameraları için video analitik sistemleri tasarlayabileceksiniz
Medikal görüntülerde hastalık tespiti ve analiz yapabileceksiniz
Kalite kontrol ve defect detection sistemleri kurabileceksiniz
Otonom araçlar için lane detection ve object tracking geliştirebileceksiniz
Real-time video processing ve streaming çözümleri oluşturabileceksiniz
Multi-camera sistemleri ve 3D reconstruction uygulamaları yapabileceksiniz

Kullanılacak Araçlar ve Gereksinimler

Eğitime katılmak için gerekli teknik altyapı ve ön bilgiler

Python ve Computer Vision Kütüphaneleri

Python 3.9 veya 3.10

CV kütüphaneleri ile uyumluluk için

OpenCV 4.8+

Görüntü işleme ve klasik CV algoritmaları

Pillow ve scikit-image

Temel görüntü manipülasyonu

MediaPipe

Google'ın real-time CV çözümleri

Albumentations

Görüntü augmentation için

Donanım Gereksinimleri

İşlemci

Intel i7 / AMD Ryzen 7 (Minimum)

Intel i9 / AMD Ryzen 9 (Önerilen)

RAM

16 GB (Minimum) - 32 GB veya üzeri (Önerilen)

GPU

NVIDIA GTX 1660 6GB (Minimum)

RTX 3080 12GB veya üzeri (Önerilen)

Disk Alanı

150 GB SSD (Dataset ve model cache için)

Kamera

1080p USB webcam (Real-time test için) - IP kamera desteği

Deep Learning ve Detection Framework'leri

YOLOv8/YOLOv9

Ultralytics framework ile object detection

Detectron2

Facebook'un modular CV platformu

MMDetection

OpenMMLab'ın detection toolkit'i

TensorFlow Object Detection API

Google'ın detection framework'ü

Segment Anything (SAM)

Meta'nın universal segmentation modeli

Video İşleme ve Real-time Araçları

FFmpeg

Video codec ve format dönüşümleri

GStreamer

Video streaming pipeline'ları

OpenCV DNN Module

Pre-trained model inference

NVIDIA DeepStream

GPU accelerated video analytics

Intel OpenVINO

Edge deployment ve optimization

Geliştirme ve Annotation Araçları

Jupyter Lab

İnteraktif development ve görselleştirme

LabelImg veya LabelMe

Bounding box annotation

CVAT

Computer Vision Annotation Tool (Detaylı labeling)

Roboflow

Dataset management ve augmentation

Weights & Biases

Experiment tracking

Özel Görüntüleme ve 3D Araçları

SimpleITK

Medical imaging için (DICOM desteği)

Open3D

3D point cloud processing

PCL (Point Cloud Library)

3D vision uygulamaları

RealSense SDK

Intel depth camera desteği

CUDA/cuDNN

GPU acceleration için NVIDIA toolkit

Eğitim Formatı

Çeşitli öğrenme yöntemleri ile desteklenen kapsamlı eğitim deneyimi

Format Seçenekleri

Esnek Eğitim Seçenekleri

Grupların ihtiyaç ve tercihlerine göre yüz yüze veya online format
Her iki formatta da aynı kalitede içerik ve destek
Hibrit katılım imkanı (bazı katılımcılar yüz yüze, bazıları online)
Kaçırılan derslerin kayıttan izlenebilmesi
Esnek haftalık program seçenekleri

Yüz Yüze Eğitim Formatı

Haftada bir gün 4 saatlik oturumlar veya haftada iki gün 2 saatlik oturumlar
Bilgisayar laboratuvarında uygulamalı çalışma imkanı
AI araçlarının projeksiyon ile canlı gösterimi
Grup içi tartışma ve beyin fırtınası seansları
Kahve molaları ile networking fırsatları
Anında soru-cevap ve birebir destek

Online (Canlı) Eğitim Formatı

Zoom, Teams veya Google Meet üzerinden canlı bağlantı
Haftada bir gün 4 saat veya haftada iki gün 2'şer saat seçenekleri
Ekran paylaşımı ile AI araçlarının canlı demonstrasyonu
Breakout room'larda küçük grup çalışmaları
Chat üzerinden anlık soru-cevap imkanı
Tüm derslerin kaydedilmesi ve 3 ay erişim

Her İki Formatta Ortak Özellikler

Öğrenme Metodolojisi

Teorik bilgi + Pratik uygulama dengesi
Her modülde gerçek dünya örnekleri ve vaka analizleri
AI araçlarıyla hands-on deneyim
Katılımcıların kendi projelerini geliştirme fırsatı
Peer learning ile karşılıklı öğrenme
Soru-cevap ve tartışma odaklı interaktif yaklaşım

Eğitim Materyalleri ve Kaynaklar

Detaylı PDF ders notları ve sunumlar
AI araçları kullanım rehberleri ve cheat sheet'ler
Video ders kayıtları ve ek eğitim videoları
Örnek prompt şablonları ve use case'ler
Güncel makale ve araştırma önerileri
Sektörel vaka analizleri ve başarı hikayeleri

Uygulama ve Projeler

Her modül sonunda mini uygulamalar
AI araçlarıyla pratik ödevler
İki büyük capstone proje
Kendi sektörünüzden gerçek problem çözümü
Grup projeleri ve sunumları
En iyi proje ödüllendirmesi

Değerlendirme ve Sertifikasyon

Modül sonları kısa quiz'ler (not için değil, öğrenme kontrolü için)
Pratik ödevlerin tamamlanma durumu takibi
Final projesi sunumu ve değerlendirmesi
Katılım sertifikası (minimum %80 devam)
Başarı sertifikası (tüm modülleri ve projeleri tamamlayanlara)
LinkedIn'de paylaşılabilir dijital rozet

Eğitim Hakkında Sorularınız mı Var?

Eğitim içeriği, kayıt süreci veya teknik gereksinimler hakkında detaylı bilgi almak için bizimle iletişime geçin. Size en uygun eğitim planını birlikte belirleyelim.

E-posta Gönder