C++

Bellek Yönetimi ve Stratejileri: Stack, Heap ve Fragmantasyon Bellek yönetimi, bir yazılımın hem performansını hem de kararlılığını belirleyen en temel unsurdur. Bu yazıda, belleğin fiziksel düzeninden başlayarak modern yönetim stratejilerine göz atacağız. 1. Stack (Yığın) vs. Heap (Öbek) İşletim sistemi ve derleyici, verileri kullanım amaçlarına göre iki farklı bölgeye ayırır: | Özellik | Stack (Yığın) | Heap (Öbek) | | Yönetim | Otomatik (Derleyici/OS) | Manuel (Yazılımcı/GC) | | Büyüme Yönü | Yüksek adresten düşüğe (LIFO) | Düşük adresten yükseğe | ...

Proje Hakkında Bu proje, görüntü işleme süreçlerinde performansın kritik olduğu durumlar için C++ ve OpenCV kütüphanesi kullanılarak geliştirilmiştir. Python tabanlı çözümlere göre daha düşük gecikme süresi (latency) ve daha yüksek FPS değerleri sunarak gerçek zamanlı analiz yapabilmektedir. Özellikle İHA sistemleri gibi kısıtlı donanım kaynaklarına sahip platformlarda nesne algılama süreçlerini optimize etmek amacıyla tasarlanmıştır. Proje Demosu Aşağıdaki videoda sistemin gerçek zamanlı çalışma performansını izleyebilirsiniz: --- Teknik Detaylar ve Teknolojiler Dil: C++ Kütüphane: OpenCV (Open Computer Vision Library) Derleme Sistemi: CMake Algoritma: [Buraya kullandığın algoritmayı ekle: örn. YOLOv8, Haar Cascade veya MobileNet-SSD] Öne Çıkan Özellikler Gerçek Zamanlı Performans: C++ sayesinde optimize edilmiş kare işleme hızı. Çoklu Nesne Algılama: Aynı anda birden fazla sınıfı (insan, araç vb.) tanıma yeteneği. Görüntü İşleme Hattı (Pipeline): Ham görüntünün alınması, ön işlemesi (preprocessing) ve sonuçların görselleştirilmesi. Kaynak Kodları Projenin tüm kaynak kodlarına ve teknik dökümantasyonuna GitHub üzerinden ulaşabilirsiniz: ...