🚗 YOLOv8 Araç Tespit Sistemi

Modern ve kullanıcı dostu CLI arayüzü ile gelişmiş araç tespit sistemi.

✨ Özellikler

🎯 Ana Fonksiyonlar

• 🖼️ Tek Görüntü Analizi - Bireysel görüntülerde araç tespiti
• 🎥 Video Analizi - Video dosyalarında detaylı araç analizi
• 📹 Canlı Video Tespiti - Gerçek zamanlı araç tespiti (webcam/video/IP kamera)
• 📊 Toplu Görüntü Analizi - Klasör içindeki tüm görüntüleri toplu analiz
• 🔧 Model Eğitimi - Özel veri seti ile model eğitimi
• 📈 Sonuç Görselleştirme - Detaylı grafik ve istatistikler
• ℹ️ Sistem Bilgileri - GPU, CUDA ve sistem durumu

🎨 Kullanıcı Arayüzü

• Rich CLI - Renkli ve interaktif terminal arayüzü
• Progress Bar - İşlem durumu takibi
• Tablo Görünümü - Düzenli sonuç sunumu
• Menü Sistemi - Kolay navigasyon

🚀 Hızlı Başlangıç

Kurulum

# Gerekli paketleri yükle
pip install -r requirements.txt

Kullanım

# Model eğitimini yapmak
python train_yolov8.py 

# Ana uygulamayı başlat
python car_detector_cli.py

📋 Menü Seçenekleri

╔══════════════════════════════════════════════════════════════╗
║                    🚗 YOLOv8 Araç Tespit Sistemi            ║
║                     Birleşik CLI Uygulaması                  ║
╚══════════════════════════════════════════════════════════════╝

🎯 Ana Menü
┌────────────┬─────────────────────────────────────────────────┐
│ Seçenek    │ Açıklama                                        │
├────────────┼─────────────────────────────────────────────────┤
│ 1          │ 🖼️  Tek Görüntü Analizi                        │
│ 2          │ 🎥 Video Analizi                               │
│ 3          │ 📹 Canlı Video Tespiti                        │
│ 4          │ 📊 Toplu Görüntü Analizi                      │
│ 5          │ 🔧 Model Eğitimi                               │
│ 6          │ 📈 Sonuç Görselleştirme                       │
│ 7          │ ℹ️  Sistem Bilgileri                           │
│ 0          │ 🚪 Çıkış                                       │
└────────────┴─────────────────────────────────────────────────┘

🔧 Teknik Detaylar

Model Bilgileri

• Model: YOLOv8n (Nano)
• Framework: Ultralytics
• Sınıf: Araç (Car)
• Girdi Boyutu: 640x640
• GPU Desteği: CUDA (RTX 5060 Laptop GPU)

Performans Metrikleri

• mAP50: 0.612
• mAP50-95: 0.497
• Precision: 0.456
• Recall: 0.851
• İşleme Hızı: ~27 FPS (GPU)

Veri Seti

• Eğitim: 86 görüntü
• Doğrulama: 86 görüntü
• Toplam Etiket: 1,089 araç

📁 Proje Yapısı

car-detection/
├── 📄 car_detector_cli.py          # Ana CLI uygulaması
├── 📖 README.md                   # Proje dokümantasyonu
├── 📋 requirements.txt            # Python bağımlılıkları
├── ⚙️ car_detection.yaml          # Veri seti konfigürasyonu
├── 🔧 train_yolov8.py             # Model eğitim scripti
├── 🚫 .gitignore                  # Git ignore kuralları
├── 📂 data/                       # Veri seti dizini
│   ├── 📂 train/                  # Eğitim veri seti
│   └── 📂 val/                    # Doğrulama veri seti
├── 📂 models/                     # Model dosyaları
│   └── 🎯 car_detection_best.pt   # Eğitilmiş model
├── 📂 outputs/                    # Tüm çıktı dosyaları
│   ├── 📂 traffic_video_analysis/
│   └── 📂 visualization_outputs/
└── 📂 runs/                       # Eğitim sonuçları ve loglar

💡 Kullanım Örnekleri

1. Tek Görüntü Analizi

🖼️ Tek Görüntü Analizi seçeneğini seçin
📁 Görüntü dosyası yolunu girin
🎚️ Güven eşiğini ayarlayın (0.0-1.0)
💾 Çıkış dosyası adını belirtin

2. Video Analizi

🎥 Video Analizi seçeneğini seçin
📁 Video dosyası yolunu girin
🎚️ Güven eşiğini ve frame atlama sayısını ayarlayın
📂 Çıkış klasörünü belirtin

3. Canlı Tespit

📹 Canlı Video Tespiti seçeneğini seçin
📹 Kaynak türünü seçin (webcam/video/ip)
🎚️ Parametreleri ayarlayın
⏱️ Maksimum süreyi belirtin (opsiyonel)

🎨 Görselleştirme

Eğitim Sonuçları

• 📈 Eğitim Metrikleri - Loss, mAP, Precision, Recall grafikleri
• 🎯 Confusion Matrix - Sınıf bazında performans matrisi
• 📊 Performans Özeti - Detaylı metrik tablosu
• 🖼️ Örnek Tahminler - Test görüntüleri üzerinde tahminler

Video Analizi

• 📈 Zaman Serisi - Zaman içinde araç sayısı değişimi
• 📊 Dağılım Grafikleri - Araç sayısı ve güven skoru dağılımları
• 📋 İstatistik Tablosu - Özet istatistikler

⚡ Performans Optimizasyonu

GPU Hızlandırma

• CUDA Desteği - Otomatik GPU algılama
• Batch İşleme - Toplu analiz için optimize edilmiş
• Bellek Yönetimi - Verimli bellek kullanımı

İşleme Hızı

• Gerçek Zamanlı - 27+ FPS canlı tespit
• Video Analizi - 6+ FPS video işleme
• Toplu İşleme - Paralel görüntü analizi

🔍 Sorun Giderme

Yaygın Sorunlar

1. Model Bulunamadı

   • models/car_detection_best.pt dosyasının varlığını kontrol edin
   • Model eğitimini tamamlayın

2. CUDA Hatası

   • GPU sürücülerini güncelleyin
   • PyTorch CUDA sürümünü kontrol edin

3. Video Açılamıyor

   • Dosya yolunu ve formatını kontrol edin
   • Codec desteğini doğrulayın

Sistem Gereksinimleri

• Python: 3.8+
• RAM: 8GB+ (önerilen)
• GPU: CUDA destekli (opsiyonel)
• Disk: 2GB+ boş alan

📞 Destek

Sorunlar için: [email protected]

1. Sistem bilgilerini kontrol edin (Menü → 7)
2. Log dosyalarını inceleyin
3. GPU durumunu doğrulayın

🔄 Güncellemeler

v2.0 - Birleşik CLI

• ✅ Tüm fonksiyonlar tek uygulamada
• ✅ Rich CLI arayüzü
• ✅ İnteraktif menü sistemi
• ✅ Gelişmiş görselleştirme
• ✅ Otomatik sonuç kaydetme

---

🚗 YOLOv8 Araç Tespit Sistemi - Modern, hızlı ve kullanıcı dostu araç tespit çözümü.