%97,1
duyarlılık (IoU ≥ 0,9)
%96,9
kesinlik (IoU ≥ 0,9)
222 / 238
hiç düzeltme gerekmeyen test sayfası
6 dk 22 sn
414 sayfalık bir kitap, M5 Max'te

Test verisi, eğitimde hiç kullanılmamış 238 sayfalık bir kitaptır (554 soru). Eşikler doğrulama verisinde seçildi ve testten önce sabitlendi. Bir soru kutusu, referans etiketle en az 0,9 oranında örtüştüğünde (IoU ≥ 0,9) doğru sayıldı.

Bu hizmetin arkasındaki işler

Kullanımdaki görüntü işleme sistemleri

İkisi de İstanbul'daki Erkan Ulu Okulları'nda öğretmenler tarafından kullanılıyor.

Erkan Ulu Okulları · macOSKullanımda · sürüm 1.0.4

Otocropper

Taranmış soru bankası PDF'lerindeki her soruyu ayrı bir görsel olarak kaydeden, çevrim dışı çalışan bir Mac uygulaması. Dosyalar basılı soru numarasıyla adlandırılır ve ünite ile teste göre klasörlenir.

  • İnce ayar yapılmış bir RT-DETRv2 modeli sayfada yedi tür bölge bulur; Tesseract OCR soru numaralarını ve başlıkları okur
  • Python, PyTorch ve modeller tek bir uygulamada; Developer ID ile imzalı ve Apple tarafından notarize edilmiş
  • 8 ve 14 Eylül 2026 arasında beş sürüm; son ikisi öğretmenlerin bildirimleriyle
Projeyi inceleyinOkullar için: Okul Yazılım Evi
Erkan Ulu Okulları · İstanbulKullanımda

Optik form okuma

Çoktan seçmeli cevap kâğıtlarını telefon fotoğraflarından ve taramalardan okur. Bir YOLO modeli cevap satırlarını bulur; vLLM üzerinde çalışan, özel olarak eğitilmiş açık kaynaklı bir görsel-dil modeli işaretlenen şıkkı okur.

  • Güveni düşük okumalar tahmin edilmez, öğretmenin inceleme kuyruğuna gider
  • Okul kendi cevap kâğıdını kullanır; özel form ya da tarayıcı gerekmez
  • 2026'dan beri sonuçlar LGS için öğrenci ve konu bazında analize de aktarılıyor
Projeyi inceleyin
İnce ayar

Model eğitimi ve ince ayar

Hazır bir model işi yeterli doğrulukla yapamıyorsa, modeli kendi verinizle eğitir ya da modele ince ayar yaparız. Otocropper'ın modeli beş kitaptan etiketlenmiş sayfalarla eğitildi. Bir görüntü işleme projesi dört adımda ilerler:

  1. Bölge türlerini belirleme

    Modelin hangi bölge türlerini bulacağı ve hangi kutunun doğru sayılacağı baştan kararlaştırılır.

  2. Etiketleme ve ayırma

    Veri etiketlenir; eğitim, doğrulama ve test olarak üçe ayrılır. Test verisi eğitimde hiç kullanılmaz.

  3. Eğitim ve tek seferlik test

    Model eğitilir, eşikler doğrulama verisinde seçilir ve sabitlenen model test verisinde bir kez ölçülür.

  4. Yayın ve geri bildirim

    Sistem kullanıcılarına ulaşır ve bildirdikleri sorunlar düzeltilir. Otocropper'ın 1.0.3 ve 1.0.4 sürümleri öğretmenlerin bildirimleriyle çıktı.

Kalan her hata tek tek incelenir. Otocropper'da bu incelemeden çıkan iki kural, test kitabındaki 17 yanlış tespiti doğru tespitlerden hiçbirini kaybetmeden kaldırdı.

Belgeler

Belge ve PDF işleme

Belgeden veri çıkarmak bazen eğitilmiş bir model, bazen yalnızca OCR ve açık kurallar gerektirir. İki örnek:

Taranmış kitaplar: Otocropper

PDF sayfaları görüntüye çevrilir, sorular bulunur ve Tesseract OCR Türkçe soru numaralarını, test ve ünite başlıklarını okur. Böylece dışa aktarılan dosyalar kitabın kendi düzenini izler.

Finansal tablolar: Sağlama

Sağlama'nın Python veri hattı, Borsa İstanbul şirketlerinin yayımladığı finansal tablo ve dipnot PDF'lerinden rakamları okur ve indirdiği her dosyanın SHA-256 özetini kaydeder. Her oran kaynak belgesiyle birlikte gösterilir. Oranlar ölçümdür; dinî hüküm değildir ve yatırım tavsiyesi değildir.

Sorular

Sık sorulan sorular

YOLO mu, başka bir model mi?

Lisansa ve işe bağlıdır. Otocropper, AGPL lisans yükümlülüklerinden kaçınmak için YOLO yerine RT-DETRv2 kullanır; uygulamada Ultralytics ya da DocLayout-YOLO kodu bulunmaz. Optik form okuyucu ise cevap satırlarını bulmak için YOLO kullanır.

Ne kadar etiketli veri gerekir?

Görüntülerinizin ne kadar çeşitli olduğuna bağlıdır. Otocropper'ın modeli beş kitaptan etiketlenmiş sayfalarla eğitildi. Eğitimde kullanılmayan bir test verisi, verinin ne zaman yeterli olduğunu gösterir.

İnternet bağlantısı olmadan çalışabilir mi?

Evet. Otocropper, Python 3.13'ü, Apple GPU üzerinde çalışan PyTorch'u, Tesseract'ı ve iki model dosyasını tek bir Mac uygulamasında toplar. Öğretmenlerin Terminal, Python ya da internet bağlantısına ihtiyacı yoktur.

Doğruluk nasıl raporlanır?

Eğitimde kullanılmamış veride, sıkı bir eşikle ve rakamlar açıkça yazılarak. Otocropper'da tahmin edilen bir soru kutusu, referans etiketle IoU ≥ 0,9 düzeyinde örtüşmüyorsa yanlış sayılır.

El yazısını okuyabilir mi?

Evet. Dijital Yanlış Defteri, öğrencilerin el yazısı ödevlerini telefon fotoğrafından ya da PDF'den okur ve her soruyu öğretmenin cevap anahtarına göre değerlendirir. Ayrıntılar yapay zekâ entegrasyonu sayfasında.

İlgili okumalar

İlgili hizmetler

Yapay zekâ

Yapay zekâ entegrasyonu

Belgelerinizden cevap veren asistanlar ve kendi işini kontrol eden ajanlar.

Ayrıntılar Yazılım

Özel yazılım geliştirme

İç sistemler, portallar ve web uygulamaları; teslimde kod sizin hesaplarınızda.

Ayrıntılar Mobil

Mobil uygulama geliştirme

App Store'da dört uygulama; biri Google Play'de de.

Ayrıntılar

Bir modelin okuması gereken görüntüleriniz mi var?

Birkaç örnek sayfa gönderin ve istediğiniz çıktıyı anlatın. Eğitilmiş bir modelin değip değmeyeceğini açıkça söyleriz; bazen OCR ve basit kurallar yeterlidir.

Görüşme planlayın Projelere bakın

Ya da arayın: +90 533 644 73 73 (telefon ve WhatsApp)

Savaş Tutumlu

Projeyi kim yapıyor

Savaş Tutumlu

Kurucu ve CEO, Stratagem Systems

Stüdyoyu 2023'te Houston, Teksas'ta kurdu; bugün İstanbul'dan çalışıyor. Otocropper'da veri etiketlemeden yayına kadar her işi kendisi yaptı.