1
00:00:00,000 --> 00:00:06,663
Bu videoda Çekicin'in yeni hasar yapay zekâsını, Hasar AI 2.0'ı anlatıyoruz.

2
00:00:06,663 --> 00:00:13,922
Bir araç fotoğrafı birkaç saniyede nasıl bir ön değerlendirmeye dönüşüyor, bu sürümde neler

3
00:00:13,922 --> 00:00:17,033
değişti ve sonuçlar ne kadar güvenilir?

4
00:00:17,033 --> 00:00:22,640
Her şey gerçek model çıktıları ve gerçek test sonuçlarıyla.

5
00:00:22,640 --> 00:00:26,099
Bir fotoğrafın yolculuğu 5 adım.

6
00:00:26,099 --> 00:00:32,263
Önce telefon fotoğrafın net ve aydınlık olup olmadığını kontrol eder.

7
00:00:32,263 --> 00:00:35,122
Sonra 2 model aynı anda çalışır:

8
00:00:35,122 --> 00:00:38,785
biri hasarı, diğeri hasarlı parçayı arar.

9
00:00:38,785 --> 00:00:45,039
Yeni karar katmanı bulguları birleştirip gerçek bir olasılığa çevirir.

10
00:00:45,039 --> 00:00:46,915
Ardından 3 kısa soru;

11
00:00:46,915 --> 00:00:50,667
gerekirse bulut modeli ikinci görüş verir.

12
00:00:50,667 --> 00:00:56,570
İlk adımlar telefonda çalışır, fotoğraf cihazdan çıkmaz.

13
00:00:56,570 --> 00:00:58,424
Birinci yenilik:

14
00:00:58,424 --> 00:01:00,384
fotoğraf kalite kontrolü.

15
00:01:00,384 --> 00:01:05,951
Bulanık ya da karanlık fotoğrafta hiçbir model güvenilir sonuç veremez.

16
00:01:05,951 --> 00:01:09,870
v2 bu fotoğrafları yakalar ve yeniden çekim ister.

17
00:01:09,870 --> 00:01:17,318
Testte 100 bulanık fotoğrafın tamamında, 100 karanlık fotoğrafın 95'inde ya hasar bulundu ya da

18
00:01:17,318 --> 00:01:19,043
yeniden çekim istendi.

19
00:01:19,043 --> 00:01:26,450
Önceki sürüm karanlık fotoğrafların yarısında hasarı kaçırıyor ve uyarı vermiyordu.

20
00:01:26,450 --> 00:01:29,445
İkinci adımda 2 model çalışır.

21
00:01:29,445 --> 00:01:31,361
Hasar modeli 6 tür arar:

22
00:01:31,361 --> 00:01:36,230
göçük, çizik, çatlak, cam kırığı, kırık lamba, patlak lastik.

23
00:01:36,230 --> 00:01:40,461
Parça modeli far, kapı, tampon gibi 14 parçayı tanır.

24
00:01:40,461 --> 00:01:47,805
v2 modelleri bilerek çok düşük eşikle çalıştırır ve %5'in üzerindeki her aday kutuyu saklar.

25
00:01:47,805 --> 00:01:55,810
Hangi kutunun gerçekten hasar olduğuna artık sabit eşik değil, karar katmanı karar verir.

26
00:01:55,810 --> 00:01:58,220
En büyük değişiklik:

27
00:01:58,220 --> 00:02:00,936
kalibre edilmiş karar katmanı.

28
00:02:00,936 --> 00:02:04,194
Kutular 34 sayısal özelliğe dönüşür:

29
00:02:04,194 --> 00:02:10,983
her türün en yüksek puanı, kutu sayısı, hasar alanı, parça modelinin onayı.

30
00:02:10,983 --> 00:02:16,323
Önce hasar olasılığı, sonra her türün olasılığı hesaplanır.

31
00:02:16,323 --> 00:02:23,202
Katman 1000 test fotoğrafı ve sağlam araçların 336 yakın çekimiyle eğitildi.

32
00:02:23,202 --> 00:02:30,800
Hasarlı fotoğrafların çoğu eşiğin üstünde, sağlamların çoğu altında kalır.

33
00:02:30,800 --> 00:02:33,791
Güvenlik kuralı korunuyor:

34
00:02:33,791 --> 00:02:41,609
çekici kararını etkileyen kırık lamba ve patlak lastik, puanı %60'ı geçince her zaman

35
00:02:41,609 --> 00:02:42,620
gösterilir.

36
00:02:42,620 --> 00:02:49,518
Bu fotoğrafta genel hasar olasılığı düşük olsa da lastik bulgusu kaybolmaz.

37
00:02:49,518 --> 00:02:54,944
Yeni dikkatli mod fotoğrafı aynalayarak ikinci kez inceler:

38
00:02:54,944 --> 00:03:02,190
süre ~2 kat, sağlam yakın çekimlerde yanlış alarm %31'den %25'e iner.

39
00:03:02,190 --> 00:03:05,712
Bulut ikinci görüşü de daha dikkatli.

40
00:03:05,712 --> 00:03:12,662
Yeni araştırmalar, büyük görüntü modellerinin yansımalarda olmayan hasar uydurabildiğini

41
00:03:12,662 --> 00:03:18,980
dedektör bulgularıyla yönlendirilince bu hatanın belirgin azaldığını gösteriyor.

42
00:03:18,980 --> 00:03:26,246
Bu yüzden API 1.5 telefonun bulgularını bulut modeline “doğrula, göremiyorsan çıkar” notuyla

43
00:03:26,246 --> 00:03:26,957
gönderir.

44
00:03:26,957 --> 00:03:32,280
Telegram botu ve WhatsApp asistanı aynı API'yi kullanır.

45
00:03:32,280 --> 00:03:34,424
12 gerçek senaryo.

46
00:03:34,424 --> 00:03:42,486
Yakın çekimlerde v2 tampon hasarını, kırık farı, patlak lastiği ve dolu nedeniyle kırılan camı

47
00:03:42,486 --> 00:03:43,515
doğru buldu.

48
00:03:43,515 --> 00:03:48,661
Ön camdaki çatlağı artık yanlış değil, kısmen doğru tanıyor.

49
00:03:48,661 --> 00:03:56,638
Ama ağaca ya da direğe çarpmış araçların 4 geniş açılı sahnesini yakalayamadı ve sağlam aracı

50
00:03:56,638 --> 00:03:58,525
sınırda hasarlı saydı.

51
00:03:58,525 --> 00:03:58,954
Ders:

52
00:03:58,954 --> 00:04:03,370
kullanıcıdan mutlaka yakın çekim isteyin.

53
00:04:03,370 --> 00:04:07,331
1000 fotoğraflık testte gidişat:

54
00:04:07,331 --> 00:04:12,478
ilk sürümde sağlam araçlarda yanlış alarm %41'di;

55
00:04:12,478 --> 00:04:14,579
v1.3'te %20'ye indi.

56
00:04:14,579 --> 00:04:20,776
Hasar AI 2.0'da hasar türü F1 puanı 0,59'dan 0,62'ye çıktı.

57
00:04:20,776 --> 00:04:29,704
Yanlış alarm bütün araç fotoğraflarında %16'ya, yakın çekimlerde %40'tan %31'e düştü.

58
00:04:29,704 --> 00:04:34,910
Hasar yakalama oranı %85 civarında kaldı.

59
00:04:34,910 --> 00:04:37,441
Bu doğruluk yeterli mi?

60
00:04:37,441 --> 00:04:43,823
Ön değerlendirme ve doğru yardıma yönlendirme için, operatör onayıyla, evet.

61
00:04:43,823 --> 00:04:46,510
Otomatik karar için henüz hayır:

62
00:04:46,510 --> 00:04:52,303
çatlak gibi zor türlerde ve sağlam yakın çekimlerde hata hâlâ yüksek.

63
00:04:52,303 --> 00:04:52,555
v3:

64
00:04:52,555 --> 00:04:59,356
ticari lisanslı yeni model, izinli gerçek Çekicin fotoğraflarıyla yeniden eğitim.

65
00:04:59,356 --> 00:05:00,868
Şimdi siz deneyin:

66
00:05:00,868 --> 00:05:06,050
model test sayfasında kendi fotoğrafınızı yükleyin.