MMehmet Ünlü
Ana SayfaHakkındaProjelerNotlarCVİletişim
EN

Mehmet Ünlü

İTÜ'de Elektronik ve Haberleşme Mühendisliği okuyorum; tahminleme, bilgisayarlı görü ve veri iş akışlarını hızlandıran uygulamalı projeler geliştiriyorum.

Ana SayfaHakkındaProjelerNotlarCVİletişim
computer visionmachine learningobject detectionvisual odometryimage matchingYOLOv8IEKFSIFTORB

ARIVC Computer Vision System

ARIVC Computer Vision System; ham görüntülerin eğitim verisine dönüştürülmesinden hareket kestirimine ve nesne eşlemeye kadar uzanan üç aşamalı bir bilgisayarlı görü yapısıdır. Task 1 veri setini hazırlar, Task 2 kamera hareketini RAFT, klasik görsel odometri ve IEKF ile kestirir, Task 3 ise referans görüntüler üzerinden nesne eşleme yaparak standart JSON çıktısı üretir.

Modularity

0 core tasks

Veri hazırlama, odometri ve görüntü eşleme ayrı modüller olarak çalışır

Output consistency

Standard JSON responses

Modüller arası çıktı formatı tutarlıdır

Pipeline coverage

End-to-end workflow

Ham görüntüden analiz çıktısına kadar tam akış

Proje Galerisi

ARIVC Computer Vision System
ARIVC Computer Vision System screenshot 2
ARIVC Computer Vision System screenshot 3
ARIVC Computer Vision System screenshot 4
ARIVC Computer Vision System screenshot 5
ARIVC Computer Vision System screenshot 6
ARIVC Computer Vision System screenshot 7
ARIVC Computer Vision System screenshot 8

1/8

Problem

Veri hazırlama, konum kestirimi ve görüntü eşleme süreçlerinin birbirinden kopuk ilerlemesi; veri kalitesi, tekrar kullanılabilirlik ve çıktıların tutarlılığı açısından sorun oluşturuyordu.

Zorluk

Farklı görevleri ortak bir veri akışı altında birleştirmek, her modülün bağımsız çalışmasını sağlamak ve tüm sistemden güvenilir, standartlaştırılmış çıktılar üretmek.

Mimari

Parçalar nasıl bir araya geliyor?

Kaynak görüntüler → Task 1 veri hazırlama → Task 2 görsel odometri → Task 3 görüntü eşleme → API ve JSON çıktıları