maidis

Graphviz, AT&T Labs Research tarafından DOT graf tanımlama dilinde belirtilen grafları çizmek için başlatılan ve Eclipse Kamu Lisansıyla dağıtılan özgür bir araç paketidir. Ayrıca, sunduğu araçların diğer yazılımlarca kullanımı için kütüphaneler de sağlar. Graphviz Nedir? Graphviz özgür bir graf görselleştirme yazılımıdır. Graf görselleştirme, yapısal bilgiyi soyut graf ve ağ diyagramları olarak temsil etmenin bir yoludur. Ağ oluşturma, biyoinformatik, yazılım mühendisliği, veritabanı ve web tasarımı, makine öğrenmesi ve çeşitli diğer teknik alanlarda önemli uygulamalara sahiptir. Graphviz'in Özellikleri Graphviz yerleşim planı programları, basit bir metin dosyasındaki graf açıklamalarını alır ve faydalı biçimlerde diyagramlar oluşturur, örneğin: web sayfaları için piksel ve vektör tabanlı görüntüler, diğer belgelere dahil etmek için PDF veya Postscript'ler veya etkileşimli graf görüntüleyiciler için uygun biçimli dosyalar. Graphviz, diyagramları oluşturmak için r...

2019 yılının arifesinde, PVS-Studio ekibinden GitHub veya Bitbucket'ta barındırılan açık kaynak projelerinin tüm katkıcılarına güzel bir haber geldi: PVS-Studio artık ücretsiz olacak. PVS-Studio ekibi, uzun süredir hem kendi tanıtımları için hem de gerçekten yapmak istedikleri için açık kaynak yazılımların daha iyi ve daha güvenilir hale gelmesine yardımcı oluyor. Yaptıkları çalışmalarla 10000'den çok hatanın giderilmesine yardımcı oldular. Bunun yanı sıra 2016 yılında PVS-Studio'nun ücretsiz bir sürümünü de sundular. Bu sürümü kullanmak için tek bir şart var: her kaynak dosyasına PVS-Studio'nun ücretsiz bir sürümünün kullanıldığını belirtir bir yorum satırı eklemek. Benim için kesinlikle kabul edilebilir bir seçenek olmadığı için bu lisansla kullanmayı düşünmemiştim hiç. Eğer bu seçenek sizin ilginizi çektiyse How to use PVS-Studio for Free belgesine bakabilirsiniz. PVS-Studio ekibi, benim gibi düşünenler ve daha çok kişiye ulaşabilmek için GitHub veya Bitbu...

Bu yazıda, Tesseract ve OpenCV kütüphanelerini kullanarak resimlerdeki metnin nasıl tanınacağını öğreneceğiz. Görüntülerden metin çıkarma yöntemi, Optik Karakter Tanıma (OKT) veya bazen de sadece metin tanıma olarak adlandırılır. Tesseract, birçok görüntü biçimini ve kademeli olarak çok sayıda dili desteklemeye başladığı 3.x sürümüyle olgunluk kazanmıştır. Tesseract 3.x, geleneksel bilgisayarlı görü algoritmalarına dayanmaktadır. Geçtiğimiz birkaç yıl içinde, derin öğrenme temelli yöntemler, geleneksel makine öğrenmesi tekniklerini, bilgisayarlı görünün birçok alanında doğruluk açısından büyük bir farkla aşmıştır. El yazısı tanıma, öne çıkan örneklerden biridir. Bunun sonucunda, Tesseract'ın de bir derin öğrenme temelli tanıma altyapısına kavuşması sadece bir zamanlama meselesiydi. Tesseract, dördüncü sürümünde bir çeşit Tekrarlayan Nöral Ağ (RNN) olan Uzun Kısa Süreli Bellek (LSTM) tabanlı tanıma motoru gerçeklemiştir. Tek bir karakter içeren resimleri tanımak için genel o...

Google, 29 Ekim 2018'de optik karakter tanıma motoru Tesseract'ın 4.0 sürümünü yayımladı. Tesseract 4.0, yeni bir sinir ağı ( LSTM ) tabanlı optik karakter tanıma motoru, güncellenmiş inşa sistemi, çeşitli iyileştirmeler ve bazı hata düzeltmeleriyle birlikte geliyor. Tesseract, unicode desteği sunan ve 100'den çok dili tanıyabilen bir OKT motorudur. Yeni dilleri tanımak için eğitilebilir ve mobil cihazlarda, videolarda ve daha birçok başka yerde metin tespiti için kullanılabilir. Şimdi Tesseract 4.0'daki yeniliklere bir bakalım: Yeni Sinir Ağı (LSTM) Tabanlı OKT Motoru Yeni OKT motoru, LSTM 'lere dayanan büyük doğruluk kazanımlı bir sinir ağı sistemi kullanıyor. Siz de yeni bir modeli sıfırdan eğitebilir veya mevcut bir modeli eğiterek ince ayar verebilirsiniz. Önceki sürümlerdeki birincil OKT motoru olan örüntü eşleştirme temelli OKT motoru bu sürümde hala mevcut. Ama Hintçe ve Arapça için kullanılan Cube OKT motoru kod tabanından kaldırıldı. Yeni LSTM ta...

Yaklaşık bir sene önce  Düzce Üniversitesi Bilgisayar Mühendisliği bölümünde, bir ders ödevi olarak Leon A. Gatys, Alexander S. Ecker ve Matthias Bethge'nin A Neural Algorithm of Artistic Style makalesini anlatmıştım. Aşağıda, sunu dosyasının düz metne aktarılmış ve zaten internette Türkçe olarak bulunan kısımların çıkarılmış halini bulabilirsiniz (sunum yaparken konunun anlaşılması için önbilgi olarak bunları da anlatmıştım, şimdi siz en üstte yer verdiğim kaynaklardan ilgili olanlara önceden bakabilirsiniz). Konu uzmanlık alanıma değil hayranlık alanıma girdiği için yanlışlıkla doğru olarak ifade etmediğim veya olduğundan daha karmaşık şekilde anlattığım şeyler olabilir. Konu hakkında en sağlıklı bilgi için İngilizce makaleyi okumanızı tavsiye ederim. Bunun yanı sıra Ayyüce Kızrak'ın  Derin Öğrenme ile Artistik Stil Transferi yazısını okuyabilir ve  Yapay Zeka ile Artistik Stil Transferi videosunu izleyebilirsiniz. Bu yazıyı yayımlamama da kısa süre önce y...