FlyVis OPTP deneysel demosu · 10 saniye · Sessiz

Solda bir sinek modeli ve girdi görüntüleri yer alıyor. Ortada mevcut model ile yeni modelin sayfa sınıflandırmaları karşılaştırılıyor. Sağda ise yatay ve dikey eksenler boyunca öznitelikler ve izdüşümler görselleştiriliyor. Girdi değiştikçe iki modelin tahminleri karşılaştırılabiliyor. Kayıtta görünen ve web tarayıcısında ölçülen süreler, aşağıda ele alınan ayrı şirket içi ölçümlerden farklı olabilir.

Daha küçük bir model daha iyi görebilir mi?

Sayfaları tanımak, bir kitap tarama uygulamasının temel işlerinden biridir. vFlat geliştirme ekibi, OPTP sayfa tanıma modelini hafifletmek için bir deney yaptı. Beklenmedik ilham kaynağı ise meyve sineklerinin görme sistemi üzerine yapılan araştırmalar oldu.

Bu yazı, 15 Eylül 2026'da ekiple paylaşılan bir Ar-Ge deneyini anlatıyor. Kullanıma sunulmuş bir vFlat özelliğinin ya da farklı telefonlarda doğrulanmış bir performansın duyurusu değildir.

Bir sinir sistemini kopyalamak değil, bir fikri ödünç almak

Geliştirici FlyVis'ten yararlandı ancak bir meyve sineğinin sinir devresini olduğu gibi kopyalamadı. Bunun yerine deney, bilgiyi yatay ve dikey yönlerde ayrı ayrı tek boyutlu temsillere sıkıştırma fikrini benimseyip sayfa tanımaya uyarladı.

Mevcut model, iki boyutlu bir görüntüyü adım adım küçülterek öznitelik çıkarıyordu. Yeni model ise önce basit iki boyutlu öznitelikleri hızla çıkarıyor, ardından bunları iki eksen boyunca sıkıştırarak işliyor. Amaç, tüm uzamsal temsil üzerinde hesaplamayı sürdürme yükünü azaltmak.

Parametreler yarıya indi, şirket içi test doğruluğu arttı

Geliştiricinin şirket içi testinde doğruluk %96,5'ten %98,6'ya, yani 2,1 yüzde puan yükseldi. Parametre sayısı kabaca yarıya indi, hesaplama yükü de yaklaşık üçte birine düştü.

Raporda ayrıca 1 ms'nin altında, en düşük 0,44 ms'lik gecikme süreleri kaydedildi. Bu sonuçlar o deney düzeneğine aittir. Ölçüm cihazı, çalışma ortamı, tekrar sayısı ve test kümesinin bileşimi burada açıklanmadığından bu rakamlar tek tek telefonlardaki hıza ya da günlük kullanımdaki doğruluğa genellenmemelidir.

Sıradaki hedef: mobil CPU

Geliştiricinin bir sonraki hedefi, verileri GPU'ya taşıma adımını atlayarak modeli doğrudan mobil CPU üzerinde çalıştırmak. Modelin hesaplama yükünü azaltmak, bu çalıştırma yolunu keşfetmek için alan açıyor.

Modelin mobil CPU'da yeterince hızlı çalışacağı hâlâ test edilmesi gereken bir hipotez. Gerçek cihazlardaki gecikme süresinin ve farklı çekim koşullarındaki doğruluğun ayrıca doğrulanması gerekiyor.

Tek yol daha büyük bir model değil

Bu deneyi ilginç kılan, şirket içi test sonucunun modeli büyütmeden iyileşmiş olması. Bir geliştiricinin başka bir alandan gelen bir fikri sadeleştirip belirli bir soruna uyarlama çabası, daha hafif sayfa tanımaya giden olası bir yolu gösterdi.

Yazı: vFlat geliştirme ekibi. Rakamlar ve teknik ayrıntılar, geliştiricinin 15 Eylül 2026'da paylaştığı şirket içi deney raporuna dayanmaktadır.