Geliştirici LinkedIn paylaşımlarını tespit eden YOLO modeli geliştirdi
Öne çıkanlar
- Yazılımcı, 200 ekran görüntüsü toplayarak LinkedIn gönderilerini tespit eden bir YOLOv8 modeli eğitti.
- Veri toplama, etiketleme ve model eğitimi süreçleri toplamda bir buçuk saat sürdü.
- Proje etiketleme adımı Roboflow üzerinden yaklaşık 20 dakikada tamamlandı.
Bir yazılımcı, LinkedIn akışında sıkça karşılaşılan ve birbirini tekrar eden yapay zeka projelerini eleştirmek amacıyla bir buçuk saatte kendi nesne tespit modelini geliştirdi. Akıştaki el takibi ve çukur tespiti gibi yüzeysel bilgisayarlı görü projelerinin kolaylığını test etmek isteyen geliştirici, sıfırdan bir süreç tasarladı. Çalışma kapsamında akıştaki içerikleri otomatik olarak sınıflandıran bir YOLOv8 modeli eğitildi.
Geliştirici, ekran görüntüsü almak için bir kabuk betiği yazdı ve akış üzerinden 200 adet görsel topladı. Elde edilen veriler Roboflow platformuna yüklenerek yaklaşık 20 dakika içinde elle etiketlendi. Etiketleme işleminin ardından veriler YOLOv8 biçiminde dışa aktarıldı ve Ultralytics kütüphanesi kullanılarak 50 devir boyunca yerel donanım üzerinde eğitildi.
Yayımlanan analizde, platformdaki içeriklerin teknik derinlikten ziyade kişisel pazarlamaya odaklandığı belirtildi. İşe alım uzmanlarının tepkisinden çekinen kullanıcıların teknik yetersizlikleri eleştiremediği ve bu durumun verimsiz projelerin yayılmasına zemin hazırladığı kaydedildi.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.