EgeÖzçelik

Film ve animasyon prodüksiyon süreçleri için 20'den fazla özelleşmiş pipeline barındıran kapsamlı multi-agent AI platformu. Bu mimari; LLM planner/executor tabanlı görev odaklı ajan ekiplerini, keyframe düzeyinde Vision QC (Kalite Kontrol) mekanizmalarını ve 8'i aşkın generative engine üzerinde çalışan model-agnostic dispatch altyapısını içermektedir.

Geliştirmesi ve yayınlanması tamamlanmış iki yapay zeka tabanlı gezi/keşif platformu: AI-orkestrasyonlu, lokasyon tabanlı keşif pipeline'ı (edge function'larda schema-constrained LLM) ve HealthKit sync'li, Kalman filtreli rota analitiği altyapısı sağlandı.

Uçtan Uca Kesintisiz (Free-Flow) Geçiş ve Konumlandırma Sistemi: DS-TWR Time-of-Flight ve PDoA azimut teknolojileriyle yüksek hassasiyetli (±10 cm, 4–5 fix/s) altyapı tasarımı. Bu mimari kapsamında; donanım (anchor) için C tabanlı firmware, kullanıcı cihazları için native iOS tag entegrasyonu, sistem yönetimi için PySide6 tabanlı izleme yazılımı ve test süreçlerini optimize eden donanım bağımsız (zero-hardware) simülatör geliştirilmiştir.

NPU Hızlandırmalı Gerçek Zamanlı Tanıma (Edge AI): Tamamen yerel donanım üzerinde (bulut bağımsız) çalışan INT8 SSD/MobileNetV2 detektör ve FaceNet embedder (VX delegate) entegrasyonu. Modellerin NPU (Neural Processing Unit) üzerinde çalışacak şekilde optimize edilmesiyle, standart CPU tabanlı işlemeye kıyasla ~20 kat performans/hız artışı sağlanmıştır.

Stacked Generalization & Model Optimizasyonu: CatBoost tabanı üzerinde uygulanan neural meta-head mimarisi sayesinde F1 skorunda %2,5'lik artış ( %89,8 ) ve %96 ROC-AUC başarımı elde edilmiştir. Akademik jüri tarafından onaylanan, yüksek performanslı makine öğrenmesi modeli.

Tekil Kontrol Protokolü ile Kapsamlı Model Değerlendirmesi: Veri sızıntısına (data leakage) karşı korumalı feature mühendisliği ve 8 farklı sınıflandırıcının sistematik analizi. RandomizedSearchCV tabanlı hiperparametre optimizasyonu (tuning) sonucunda, CatBoost modeliyle %80,6 doğruluk (accuracy) ve 0,886 ROC-AUC skoruna ulaşılarak performansta belirgin bir artış elde edilmiştir.

SocketCAN üzerinden standartlara birebir 29-bit J1939 haberleşmesi yapan generator + monitor masaüstü ikilisi (20 PGN / ~30 SPN); sektörel gerçek trafik, Linux & Windows tabanlı platformlar arası haberleşen sistemler kuruldu.

Derin Öğrenme ile Görüntü Renklendirme (Image Colorization): CIE LAB renk uzayında a/b krominans regresyonu yaklaşımıyla gri tonlamalı görüntülerin otonom renklendirilmesi. Bu kapsamda Autoencoder, U-Net ve ResNet50-UNet mimarileri geliştirilerek karşılaştırmalı analizi yapılmıştır. Model performansları PSNR / SSIM metrikleriyle ölçülmüş ve sonuçların istatistiksel geçerliliği "pairwise t-test" ile doğrulanmıştır.