Emreuludasdemir/teknofest2026-task3

TEKNOFEST 2026 Task 3 HF Package

Project title

TEKNOFEST 2026 Havacilikta Yapay Zeka - Task 3 clean Hugging Face upload package.

TEKNOFEST 2026 Task 3 amaci

Bu paket, Task 3 kapsaminda referans nesne bankasi ile kare bazli goruntu esleme pipeline'ini tasir. Hedef, videodan gelen karelerde tanimsiz nesneleri referans bankasindaki hedeflerle eslemek ve wire formatini bozmadan sonuc uretmektir.

Pipeline ozeti

• Kare bazli online pipeline varsayilir.
• Referans bankasi offline preload edilir.
• Runtime, staged YOLOE agirligini dinamik/conditional olarak kullanir.
• Adaylar dogrulama ve suppression adimlarindan gecirilir.
• Hata veya eksik dependency durumunda gecerli fallback ve log uretimi korunur.

YOLOE + LightGlue + ORB fallback mimarisi

1. Birincil yol: YOLOE ile visual-prompt odakli aday uretimi.
2. Dogrulama yolu: LightGlue / learned verification ile esitlik kontrolu.
3. Fallback yolu: ORB tabanli descriptor/template esleme.
4. Emniyet davranisi: YOLOE agirligi, GPU veya deneysel backend hazir degilse pipeline kontrollu sekilde ORB fallback'e duser.

Bu kurgu 8 GB VRAM siniri dikkate alinarak yoloe-11m-seg.pt staged agirligi ve kosullu yukleme mantigi ile paketlenmistir.

Offline calisma notu

• Bu paket Hugging Face upload otomasyonu, token veya sifre dosyasi icermez.
• Runtime internetten otomatik agirlik indirmesine guvenmez.
• Asil runtime path'leri data/references/... ve data/weights/... altinda korunmustur.
• weights/, configs/ ve reference_bank/ klasorleri Hugging Face tarafinda daha temiz gorunum icin ek mirror kopyalardir.
• Ornek buyuk videolar pakete dahil edilmemistir; data/task3_eval_manifest.json referans ve tekrar-olusturma amaclidir.

Kurulum

py -3.12 -m venv .venv
.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip
python -m pip install -r requirements-task3-experimental.txt

Opsiyonel GPU runtime:

python -m pip install torch==2.9.1 torchvision==0.24.1 --index-url https://download.pytorch.org/whl/cu128

Ornek inference komutu

data/task3_eval_manifest.json icindeki video path'leri mevcutsa:

python tools\run_task3_manifest_eval.py --manifest data\task3_eval_manifest.json --output-dir reports\task3_manifest_eval --run-tag hf_smoke --allow-cpu-yoloe

YOLOE yolu hazir degilse pipeline ORB fallback ile calismaya devam edecek sekilde tasarlanmistir.

GitHub repo linki

https://github.com/EmreUludasdemir/Teknofest-2026-Havacilikta-Yapay-Zeka

Dosya yapisi

hf_package/
├── README.md
├── HF_UPLOAD_NOTE.md
├── SETUP.md
├── requirements-task3-experimental.txt
├── src/
├── tools/
├── data/
│   ├── task3_eval_manifest.json
│   ├── references/
│   └── weights/
├── reports/
├── tests/
├── weights/
├── configs/
└── reference_bank/

Notlar / limitations

• Paket Task 3 odaklidir; Task 1 ve Task 2 kodlari bilerek disarida tutulmustur.
• Buyuk log, cache, sanal ortam, zip arsivleri ve gecici artifactler dahil edilmemistir.
• data/task3_eval_manifest.json resmi ornek video path'lerine isaret eder; videolari ayrica koyman veya manifesti duzeltmen gerekir.
• reference_bank/2026_baseline/manifest.json ile iliskili spec dosyalari reference_bank/specs/ altina da kopyalanmistir; JSON icerigi degistirilmemistir.