Skip to content

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

🃏 İSKAMBİL KARTI TANIMA SİSTEMİ

🚀 YOLOv8 ile Eğitilmiş AI Model - Flask Web Uygulaması


Python Flask YOLOv8 OpenCV PyTorch License


Typing SVG



✨ Özellikler

Özellik Açıklama
🎥 Canlı Kamera Webcam'den gerçek zamanlı kart tanıma ve görselleştirme
📸 Dosya Yükleme Görüntü dosyalarını yükleyerek analiz yapma
🎚️ Kalite Kontrolü Ayarlanabilir görüntü kalitesi (0.1 - 1.0)
🎨 Modern Arayüz Siyah-gri tema ile göz yormayan tasarım
⚡ Gerçek Zamanlı Anlık kart tanıma ve bounding box görselleştirme
📊 Güven Skorları Her tespit için detaylı güven oranları
🖱️ Sürükle-Bırak Kolay dosya yükleme deneyimi
🤖 YOLOv8 Model Yüksek doğrulukta nesne tespiti

📸 Ekran Görüntüleri

Örnek 1
📸 Örnek Görüntü 1
Örnek 2
📸 Örnek Görüntü 2
Örnek 3
📸 Örnek Görüntü 3

🚀 Hızlı Başlangıç

📋 Gereksinimler

  • Python 3.8 veya üzeri
  • Webcam (canlı kamera özelliği için - opsiyonel)
  • Modern web tarayıcı
  • Model dosyası (playing_cards_model_0_playing-cards-colab.pt)

⚡ Kurulum

# 1️⃣ Repository'yi klonlayın
git clone https://github.com/mustafakemal0146/kart-tanima.git
cd kart-tanima

# 2️⃣ Gerekli paketleri yükleyin
pip install -r requirements.txt

# 3️⃣ Model dosyasını kontrol edin
# playing_cards_model_0_playing-cards-colab.pt dosyasının proje klasöründe olduğundan emin olun

# 4️⃣ Uygulamayı başlatın
python app.py

# 5️⃣ Tarayıcıda açın
# http://localhost:5000

📖 Kullanım

🎥 Canlı Kamera Modu

  1. Arayüzde "Canlı Kamera" sekmesini seçin
  2. "Kamera Aç" butonuna tıklayın
  3. Kalite slider'ını istediğiniz değere ayarlayın (0.1 - 1.0)
  4. Kartı kameraya gösterin
  5. "Yakala ve Analiz Et" butonu ile anlık analiz yapın

📸 Dosya Yükleme Modu

  1. Arayüzde "Dosya Yükle" sekmesini seçin
  2. Kart görüntüsünü sürükle-bırak yapın veya tıklayarak seçin
  3. Model otomatik olarak kartları tespit edecektir
  4. Sonuçlar anında görüntülenecektir

Desteklenen Formatlar: PNG, JPG, JPEG, GIF, WEBP
Maksimum Dosya Boyutu: 16MB


🏗️ Teknoloji Stack'i

🧩 Kullanılan Teknolojiler

Katman Teknoloji
Backend Flask 3.0+, Python 3.8+
AI Model YOLOv8 (Ultralytics)
Görüntü İşleme OpenCV, Pillow
Deep Learning PyTorch 2.0+
Frontend Vanilla JavaScript, HTML5, CSS3
Dataset Roboflow Playing Cards Dataset

📊 Model Bilgileri

  • Model Tipi: YOLOv8n (nano)
  • Eğitim: Google Colab (T4 GPU)
  • Dataset: Roboflow Playing Cards
  • Epoch: 50
  • Eğitim Süresi: ~4.5 saat (T4 GPU)
  • Dosya Formatı: PyTorch (.pt)
  • Desteklenen Kartlar: Standart 52 kartlık iskambil destesi

📁 Proje Yapısı

kart-tanima/
│
├── app.py                          # Flask uygulaması
├── requirements.txt                # Python bağımlılıkları
├── playing_cards_model_0_playing-cards-colab.pt  # YOLOv8 model dosyası
├── train_model.ipynb               # Model eğitimi için Google Colab notebook
├── README.md                       # Bu dosya
├── LICENSE                         # MIT lisansı
├── .gitignore                      # Git ignore dosyası
│
├── img/                            # Ekran görüntüleri
│   ├── 1.png
│   ├── 2.png
│   └── 3.png
│
├── templates/
│   └── index.html                  # Web arayüzü
│
└── uploads/                        # Yüklenen dosyalar (gitignore)

🔧 API Endpoints

Method Endpoint Açıklama
GET / Ana sayfa
POST /predict Dosya yükleme ile tahmin
POST /camera/start Kamerayı başlat
POST /camera/stop Kamerayı durdur
POST /camera/quality Kalite ayarla
POST /camera/capture Frame yakala ve analiz et
GET /video_feed Video stream endpoint

🎓 Model Eğitimi

Kendi modelinizi eğitmek için train_model.ipynb notebook'unu kullanabilirsiniz:

📝 Adımlar

  1. Google Colab'da notebook'u açın
  2. Roboflow API key alın: https://roboflow.com/
  3. Notebook'taki YOUR_API_KEY_HERE kısmına API key'inizi ekleyin
  4. Runtime > Change runtime type > GPU seçin
  5. Tüm hücreleri sırayla çalıştırın
  6. Eğitilen model dosyasını indirin
  7. Proje klasörüne playing_cards_model_0_playing-cards-colab.pt olarak kaydedin

📊 Dataset Bilgileri

  • Platform: Roboflow
  • Workspace: augmented-startups
  • Project: playing-cards-ow27d
  • Format: YOLOv8
  • Version: 1

📝 Gereksinimler

Tüm bağımlılıklar requirements.txt dosyasında listelenmiştir:

flask>=3.0.0
ultralytics>=8.1.0
pillow>=10.0.0
werkzeug>=3.0.0
torch>=2.0.0
torchvision>=0.15.0
numpy>=1.24.0
opencv-python>=4.8.0

Model Eğitimi İçin (Opsiyonel)

  • Google Colab hesabı
  • Roboflow API key (ücretsiz)
  • GPU desteği (önerilir)

🐛 Sorun Giderme

Kamera açılmıyor

  • Webcam'in başka bir uygulama tarafından kullanılmadığından emin olun
  • Tarayıcı izinlerini kontrol edin
  • Farklı bir kamera deneyin (birden fazla kamera varsa)

Model yüklenemiyor

  • Model dosyasının (playing_cards_model_0_playing-cards-colab.pt) proje klasöründe olduğundan emin olun
  • Dosya yolunu kontrol edin
  • Model dosyası büyük olduğu için GitHub'a yüklenmemiş olabilir

Performans sorunları

  • Kalite ayarını düşürün (0.3-0.5 arası)
  • Daha küçük görüntü boyutları kullanın
  • GPU desteği varsa PyTorch GPU sürümünü yükleyin

🤝 Katkıda Bulunma

Katkılarınızı bekliyoruz! Lütfen:

  1. Fork edin
  2. Feature branch oluşturun (git checkout -b feature/amazing-feature)
  3. Değişikliklerinizi commit edin (git commit -m 'Add amazing feature')
  4. Branch'inizi push edin (git push origin feature/amazing-feature)
  5. Pull Request açın

📄 Lisans

Bu proje MIT lisansı altında lisanslanmıştır. Detaylar için LICENSE dosyasına bakın.


🙏 Teşekkürler

  • Ultralytics - YOLOv8 için
  • Flask - Web framework için
  • Roboflow - Dataset platformu için
  • Tüm açık kaynak katkıda bulunanlar

Footer Typing SVG



⭐ Bu projeyi beğendiyseniz yıldız vermeyi unutmayın!

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages