Yapay zekâ alanında bugüne kadar birçok çalışma yapılmış ve bu çalışmalar neticesinde birçok algoritma geliştirilmiştir. Donanım üreticileri de her geçen gün daha iyi donanımlar üretmektedirler. Bugün geldiğimiz noktada yüksek donanım gücü sayesinde, daha önce gerçekleştirilmesi mümkün olmayan algoritmaları kullanan uygulamalar geliştirilmektedir. Bilgisayarla görü alanındaki denetimli öğrenme algoritmalarının gerçekleştirilmesi için ihtiyaç duyulan büyük veri miktarı, cep telefonu kameraları ve internet sayesinde elde edilebilir bir hale gelmiştir. Bu sayede birçok farklı sınıfa ait görüntüler içeren PASCAL VOC, ILSVRC, COCO gibi açık erişimli görsel veri setleri oluşturulmuştur. Fakat bu veri setleri insansız hava aracıyla görüntü işleme için ihtiyaç duyulan kuşbakışı perspektifinden çekilen görüntüleri içermemektedir. Bu tez çalışmasında insansız hava araçları ile gerçek zamanlı görüntü işleme amaçlanmıştır. Bu amaçla insansız hava araçları ile çekilmiş görüntülerden oluşan özgün bir veri seti oluşturulmuştur. Gerçek zamanlı görüntü işleme hızına sahip bir evrişimsel sinir ağı modeli olan YOLO v4 seçilmiş ve oluşturulan veri seti ile eğitilmiştir. Geliştirilen uygulama ile insansız hava aracından alınan görüntüler YOLO v4 Modeli ile işlenerek, veri setinin içerdiği "insan" ve "koyun" sınıfları özelinde, gerçek zamanlı nesne tanıma yapılmıştır.
Many studies have been carried out in the field of artificial intelligence and many algorithms have been developed as a result of these studies. Hardware manufacturers are also producing better hardware every day. Thanks to hardware power we have reached today, applications using algorithms that couldn't be run on hardware before are being developed. The large amount of data needed for the realization of supervised learning algorithms in the field of computer vision has become available thanks to mobile phone cameras and the internet. With these data, publicly accessible visual data sets such as PASCAL VOC, ILSVRC, COCO containing images of many classes have been created. However, these datasets do not include the bird's-eye perspective images needed for drone image processing. In this thesis, real-time image processing with unmanned aerial vehicles is aimed. For this purpose, a unique data set consisting of images taken by unmanned aerial vehicles was created. YOLO v4, a convolutional neural network model with real time image processing speed, was chosen and trained with the created dataset. With the developed application, the images taken from the unmanned aerial vehicle were processed with the Yolo v4 Model and real-time object detection was achieved on "person" and "sheep" classes that are included in dataset.