Ultralytics YOLO26を使用したオブジェクトブラー 🚀#
オブジェクトブラーとは？#
Ultralytics YOLO26 を使用したオブジェクトのぼかし処理には、画像やビデオ内の検出された特定のオブジェクトにぼかし効果を適用することが含まれます。これは、指定されたシーン内のオブジェクトを識別および操作するための YOLO26 モデルの機能を使用して実現できます。
Watch: How to Train Face Detection Model using Ultralytics Platform & Blur Faces | Ultralytics YOLO26 🚀
オブジェクトブラーの利点#
- プライバシー保護: オブジェクトブラーは、画像やビデオ内の機密情報や個人を特定できる情報を隠すことで、プライバシーを保護する有効なツールです。
- 選択的なフォーカス: YOLO26は選択的なブラー処理を可能にし、ユーザーが特定のオブジェクトをターゲットにできるため、プライバシー保護と関連する視覚情報の保持とのバランスを保つことができます。
- リアルタイム処理: YOLO26の効率性により、オブジェクトブラーをリアルタイムで実行できるため、動的な環境で即時のプライバシー強化が必要なアプリケーションに適しています。
- 規制への準拠: 視覚コンテンツ内の識別可能な情報を匿名化することで、組織がGDPRなどのデータ保護規制に準拠するのを支援します。
- コンテンツモデレーション: メディアプラットフォームにおいて、全体的なコンテキストを維持しながら不適切または機密性の高いコンテンツをぼかすのに役立ちます。
YOLO26でオブジェクトをぼかす#
ビデオを ObjectBlurrer ソリューションに渡すと、各フレームのオブジェクトが検出され、すべての検出に対して平均化（ボックス）ぼかしが適用されます。blur_ratio（0.1～1.0）で強度を制御し、特定の classes（たとえば、人と車のみ）にぼかしを制限します。
# Blur the objects
yolo solutions blur show=True
# Pass a source video
yolo solutions blur source="path/to/video.mp4"
# Blur the specific classes
yolo solutions blur classes="[0, 5]"ObjectBlurrerの引数#
以下はObjectBlurrerの引数を示す表です。
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
model | str | None | Ultralytics YOLOモデルファイルへのパス。 |
blur_ratio | float | 0.5 | ぼかし強度の割合を調整します。値の範囲は 0.1 - 1.0 です。 |
line_width | int | 2 | ソリューションが描画するボックス、キーポイント、およびカウントの線の太さ。 |
verbose | bool | True | 入力形状、クラス数、および処理速度のフレームごとのログ出力をソリューションで有効にします。トラッキング呼び出し自体は常にサイレントです。 |
ObjectBlurrer ソリューションは、さまざまな track 引数もサポートしています。
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
tracker | str | 'botsort.yaml' | 使用するトラッキングアルゴリズムを指定します。ビルトインオプション: botsort.yaml、bytetrack.yaml、ocsort.yaml、deepocsort.yaml、fasttrack.yaml、tracktrack.yaml。 |
conf | float | 0.25 | 検出の信頼度しきい値を設定します。低い値を設定するとより多くの物体を追跡できますが、誤検知が含まれる可能性があります。 |
iou | float | 0.7 | 重なり合う検出をフィルタリングするためのIntersection over Union (IoU) 閾値を設定します。 |
classes | list | None | クラスインデックスによって結果をフィルターします。たとえば、classes=[0, 2, 3]は指定されたクラスのみを追跡します。 |
device | str | None | 推論用のデバイスを指定します（例: cpu、cuda:0、または0）。ユーザーはモデルの実行にCPU、特定のGPU、またはその他の計算デバイスを選択できます。 |
さらに、以下の視覚化引数を使用できます：
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
show | bool | False | True の場合、注釈付きの画像または動画をウィンドウに表示します。開発やテスト中の即座な視覚的フィードバックに役立ちます。 |
show_conf | bool | True | 各検出の信頼度スコアをラベルと一緒に表示します。各検出に対するモデルの確信度を把握できます。 |
show_labels | bool | True | 視覚的出力において各検出のラベルを表示します。検出されたオブジェクトを即座に理解するのに役立ちます。 |
実際のアプリケーション#
監視におけるプライバシー保護#
セキュリティカメラおよび監視システムでは、YOLO26 を使用して顔、ライセンスプレート、またはその他の個人情報を自動的にぼかしながら、重要なアクティビティをキャプチャし続けることができます。これにより、公共スペースでのプライバシー権を尊重しながらセキュリティを維持することができます。
ヘルスケアデータの匿名化#
医用画像では、スキャンや写真に患者情報が頻繁に表示されます。研究や教育目的で医療データを共有する際、YOLO26 はこの情報を検出してぼかすことで、HIPAA などの規制に準拠することができます。
文書の墨消し#
機密情報を含む文書を共有する場合、YOLO26は署名、口座番号、個人情報などの特定の要素を自動的に検出してぼかすことができ、文書の整合性を維持しながら墨消しプロセスを効率化します。
メディアおよびコンテンツ制作#
コンテンツ作成者はYOLO26を使用して、ビデオや画像内のブランドロゴ、著作権で保護された素材、不適切なコンテンツをぼかすことで、全体的な品質を維持しながら法的な問題を回避できます。
よくある質問 (FAQ)#
Ultralytics YOLO26 を使用したオブジェクトのぼかし処理には、画像やビデオ内の特定のオブジェクトを自動的に検出し、ぼかし効果を適用することが含まれます。この技術は、機密情報を隠蔽しながら関連する視覚データを保持することで、プライバシーを向上させます。YOLO26 のリアルタイム処理機能により、即座のプライバシー保護と選択的なフォーカス調整が必要なアプリケーションに適しています。
上記の Python の例を使用してください。これは YOLO26 のオブジェクト検出を実行し、各フレームのすべての検出をぼかします。効果を制御するために
blur_ratio（ぼかし強度 50%の場合はたとえば0.5）を設定し、特定のオブジェクトタイプのみをぼかすためにclassesを渡します。Ultralytics YOLO26には、オブジェクトブラーに関して次のような利点があります：
- プライバシー保護: 機密情報や識別可能な情報を効果的に隠します。
- 選択的なフォーカス: 特定のオブジェクトをターゲットにしてぼかし、重要な視覚コンテンツを維持します。
- リアルタイム処理: 動的な環境で効率的にオブジェクトブラーを実行し、即時のプライバシー強化に適しています。
- カスタマイズ可能な強度: ブラーの比率を調整して、プライバシーのニーズと視覚的コンテキストのバランスを取ります。
- クラスごとのブラー: 特定のタイプのオブジェクトのみをターゲットにしてぼかし、それ以外は表示したままにします。
より詳細なアプリケーションについては、オブジェクトのぼかしの利点セクションを確認してください。
はい、Ultralytics YOLO26 を設定して、プライバシーを保護するためにビデオ内の顔を検出し、ぼかすことができます。顔を特別に認識するようにトレーニングされたモデルまたは事前トレーニング済みのモデルを使用することで、検出結果を OpenCV で処理してぼかし効果を適用できます。YOLO26 によるオブジェクト検出に関するガイドを参照し、顔検出をターゲットにするようにコードを変更してください。
Ultralytics YOLO26 は、速度の面で Faster R-CNN などのモデルを通常上回り、リアルタイムアプリケーションにより適しています。どちらのモデルも正確な検出を提供しますが、YOLO26 のアーキテクチャは高速推論に最適化されており、これはリアルタイムオブジェクトのぼかしなどのタスクに不可欠です。技術的な違いとパフォーマンスメトリクスの詳細については、YOLO26 ドキュメントをご覧ください。