Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightYOLOv8 ve YOLOv26 arasında yapılan karşılaştırmalı bir değerlendirme, YOLOv8'in daha kararlı bir tanıma sunması sayesinde daha yüksek tespit doğruluğu ve daha iyi bir kullanılabilirlik elde ettiğini gösterirken, YOLOv26'nın daha düşük bilgi işlem ve enerji maliyetleri sunduğunu ancak tutarlılığının daha düşük olduğunu göstermektedir.
📌 3 Maddede Bu Makale
Özet
Görme engeli, günlük yaşamda bağımsız hareket kabiliyetini ve çevre farkındalığını önemli ölçüde sınırlamaktadır. Mevcut yardımcı teknolojiler genellikle sınırlı bir bağlamsal anlayış sunmakta ve pasif geri bildirimlere dayanmaktadır; öte yandan, derin öğrenme tabanlı birçok tespit sistemi tespit edilen tüm nesneleri sürekli olarak seslendirerek gerçek dünya kullanımında bilişsel yükü artırmaktadır. Bu zorlukları ele almak amacıyla bu çalışma; aktif, kullanıcı odaklı bir çevre algısını desteklemek için gerçek zamanlı nesne tespitini, sesli komut etkileşimini ve yönsel işitsel geri bildirimi entegre eden iOS tabanlı bir mobil uygulama olan VisionAssist'i sunmaktadır. Sistem, Swift ve SwiftUI kullanılarak geliştirilmiş ve enerji verimliliği ile veri gizliliğini sağlamak amacıyla Apple'ın Core ML çerçevesi vasıtasıyla cihaz üzerinde çalıştırılmıştır. VisionAssist, kullanıcıların belirli nesneleri sözlü olarak talep etmelerine olanak tanır ve nesne yönü ile güvene dayalı güvenilirliği belirten mekansal işitsel ipuçları sağlar. YOLOv8 ve YOLOv26 arasında yapılan karşılaştırmalı bir değerlendirme, YOLOv8'in daha kararlı bir tanıma sunması sayesinde daha yüksek tespit doğruluğu ve daha iyi bir kullanılabilirlik elde ettiğini gösterirken, YOLOv26'nın daha düşük bilgi işlem ve enerji maliyetleri sunduğunu ancak tutarlılığının daha düşük olduğunu göstermektedir. Genel olarak, etkileşim kalitesi ve güvenilirlik açısından YOLOv8 tercih edilirken, YOLOv26 verimlilik odaklı kullanım senaryoları için daha uygundur. Ek olarak, güvene dayalı filtreleme, durumsal farkındalığı korurken gereksiz veya belirsiz geri bildirimleri azaltmaktadır. Sonuçlar, VisionAssist'in görme engelli bireyler için bağımsız navigasyonu ve çevre anlayışını geliştirmede pratik ve etkili bir yardımcı çözüm olduğunu göstermektedir.
Abstract
Visual impairment significantly limits independent mobility and environmental awareness in daily life. Existing assistive technologies often provide limited contextual understanding and rely on passive feedback, while many deep learning-based detection systems continuously announce all detected objects, increasing cognitive load in real-world use. To address these challenges, this study presents VisionAssist, an iOS-based mobile application that integrates real-time object detection, voice command interaction, and directional auditory feedback to support active, user-centered environmental perception. The system is implemented using Swift and SwiftUI and deployed on-device via Apple’s Core ML framework, ensuring energy efficiency and data privacy. VisionAssist enables users to verbally request specific objects and provides spatial auditory cues indicating object direction and confidence-based reliability. A comparative evaluation between YOLOv8 and YOLOv26 shows that YOLOv8 achieves higher detection accuracy and better usability due to more stable recognition, while YOLOv26 offers lower computational and energy costs but reduced consistency. Overall, YOLOv8 is preferred for interaction quality and trustworthiness, whereas YOLOv26 is more suitable for efficiency-focused use cases. Additionally, confidence-based filtering reduces unnecessary or ambiguous feedback while maintaining situational awareness. The results demonstrate that VisionAssist is a practical and effective assistive solution for improving independent navigation and environmental understanding for visually impaired individuals.