01 / 03
TEKNOFEST · Yapay Zekâ & 5G2026
- Python
- YOLOv11
- Bilgisayarlı Görü
- 5G
Trafik kazaları donanım probleminden önce bir veri problemidir. Hiç göz kırpmayan — ve hiç gecikmeyen — bir kameranın neleri önleyebileceğini sorduk.
- Rol
- Takım Kaptanı, Proje Koordinatörü & AI/ML Mühendisi
- Takım
- 5Genç
- Aşama
- Tamamlandı (TEKNOFEST 2026)
- Ölçülen F1
- 0.716 — 0.250'den yükseldi
01Zorluk
Destekli ve otonom sürüş sistemlerinin tehlikeleri — araçları, yayaları, beklenmedik engelleri — gerçek zamanlı görmesi gerekir; geç gelen bir tespit, hiç gelmemiş bir tespittir. Sistem, düşük gecikmeli 5G iletimini yol hızında anlam taşıyacak kadar hızlı görü modelleriyle birleştirmek zorundaydı.
02Yaklaşım
Algı katmanı doğrudan benim elimden çıktı: YOLO ailesi modellerini senaryoya özel veri setleriyle Python'da eğitip yol hızında ayakta kalana kadar yineledim. Tek bir model bütün etiketleri taşımak yerine tespit, ayrı ayrı eğitilen uzman modellere bölündü — bir model eklemek ya da çıkarmak koda değil, bir yapılandırma satırına dokunmak demekti. Bu tespitleri taşıyan 5G tarafı takımın altyapı işiydi; kaptan olarak iki yarının nerede buluştuğunu koordine ettim: modeller ne üretiyor, ağ ne bekliyor ve teslim tarihi gerçekte nerede duruyor.
03Sonuç
Yarışma süreci Ağustos 2026'da tamamlandı. Turkcell'in doğrulama videosunda resmî ground truth'a karşı ölçülen sistem 0.716 F1 skoru aldı — üç yinelemede 0.250'den buraya geldi. Bu tırmanışın büyük kısmı yeniden eğitimden değil kalibrasyondan geldi; açıkçası aradığım yer orası değildi. Plaka modeli Tesla T4 üzerinde 0.992 mAP@50 değerini 113 FPS'te, internet kapalıyken ve on dakikalık bütçenin içinde tuttu.
Bu proje hakkında merak ettiklerin mi var?
Mimari kararları, model eğitimi ve entegrasyon süreçlerini yapay zekâ asistanına doğrudan sor.
Sıradaki proje