Начать

Размытие объектов с помощью Ultralytics YOLO26

Что такое размытие объектов?#

Размытие объектов с помощью Ultralytics YOLO26 заключается в применении эффекта размытия к определённым обнаруженным объектам на изображении или видео. YOLO26 находит объекты в каждом кадре, и размытие применяется только к обнаруженным областям.



Смотри: Как обучить модель для обнаружения лиц с помощью платформы Ultralytics и размывать лица | Ultralytics YOLO26 🚀

Преимущества размытия объектов#

  • Защита конфиденциальности: Размытие объектов эффективно защищает конфиденциальность, скрывая персональные данные на изображениях и видео.
  • Выборочный фокус: YOLO26 позволяет размывать выбранные объекты, помогая соблюдать баланс между конфиденциальностью и сохранением важной визуальной информации.
  • Обработка в реальном времени: Эффективность YOLO26 позволяет размывать объекты в реальном времени, поэтому модель подходит для приложений, которым требуется динамически защищать конфиденциальность.
  • Соответствие нормативным требованиям: Помогает организациям соблюдать правила защиты данных, например GDPR, анонимизируя идентифицирующую информацию в визуальном контенте.
  • Модерация контента: Позволяет размывать неподобающий контент или чувствительную информацию на медиаплатформах, сохраняя общий контекст.

Размытие объектов с помощью YOLO26#

Передай видео решению ObjectBlurrer: оно обнаружит объекты в каждом кадре и применит к каждому обнаруженному объекту усредняющее размытие (внутри рамки). Регулируй степень размытия с помощью blur_ratio (0.1–1.0) и ограничь размытие определенными classes — например, только людьми и автомобилями.

Размытие объектов с помощью Ultralytics YOLO
# 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]"

Аргументы ObjectBlurrer#

Вот таблица с аргументами ObjectBlurrer:

АргументТипПо умолчаниюОписание
modelstrNoneПуть к файлу модели Ultralytics YOLO.
blur_ratiofloat0.5Настраивает процент интенсивности размытия в диапазоне 0.1 - 1.0.
line_widthint2Толщина линий рамок, ключевых точек и счётчиков, которые рисует решение.
verboseboolTrueВключает журнал решения для каждого кадра с указанием формы входных данных, количества объектов по классам и скорости обработки. Сам вызов отслеживания всегда выполняется без вывода сообщений.

Решение ObjectBlurrer также поддерживает набор аргументов track:

АргументТипПо умолчаниюОписание
trackerstr'tracktrack.yaml'Задаёт алгоритм отслеживания. Встроенные варианты: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml.
conffloat0.25Задаёт порог уверенности для обнаружений: при более низких значениях можно отслеживать больше объектов, но возрастает вероятность ложноположительных срабатываний.
ioufloat0.5Задаёт порог пересечения над объединением (IoU) для фильтрации перекрывающихся обнаружений.
classeslistNoneФильтрует результаты по индексу класса. Например, classes=[0, 2, 3] отслеживает только указанные классы.
devicestrNoneЗадаёт устройство для инференса (например, cpu, cuda:0 или 0). Позволяет выбрать CPU, определённый GPU или другое вычислительное устройство для выполнения модели.
imgszint or tuple640Целевой размер изображения для инференса: целое число для квадратного изображения или пара (height, width). Размеры корректируются с учётом шага модели.
max_detint300Максимальное количество обнаружений, сохраняемых в каждом кадре перед отслеживанием; ограничивает число объектов, обрабатываемых решением в насыщенных сценах.
quantizeint or strNoneТочность инференса: 16 (FP16) или 32/unset (FP32) для моделей PyTorch и TorchScript не на CPU; для других форматов точность определяется артефактом модели и средой выполнения. Заменяет устаревший аргумент half.

Кроме того, можно использовать следующие аргументы визуализации:

АргументТипПо умолчаниюОписание
showboolFalseЕсли True, показывает аннотированные изображения или видео в окне. Полезно для мгновенной визуальной проверки во время разработки или тестирования.
show_confboolTrueПоказывает оценку уверенности каждой детекции рядом с меткой. Позволяет оценить уверенность модели в каждой детекции.
show_labelsboolTrueПоказывает метки каждой детекции на визуализации. Помогает сразу понять, какие объекты обнаружены.

Применение в реальных условиях#

Защита конфиденциальности при видеонаблюдении#

Камеры видеонаблюдения и системы наблюдения могут использовать YOLO26 для автоматического размытия лиц, номерных знаков и другой идентифицирующей информации, продолжая фиксировать важные события. Это помогает обеспечивать безопасность и соблюдать право на конфиденциальность в общественных местах.

Анонимизация медицинских данных#

При медицинской визуализации данные пациентов часто попадают на снимки или фотографии. YOLO26 может обнаруживать и размывать эти данные, помогая соблюдать такие нормативные требования, как HIPAA, при передаче медицинских данных для исследований или обучения.

Редактирование документов#

При обмене документами с конфиденциальной информацией YOLO26 может автоматически обнаруживать и размывать отдельные элементы, такие как подписи, номера счетов и личные данные. Это упрощает редактирование документа, сохраняя его целостность.

Создание медиа и контента#

Создатели контента могут использовать YOLO26 для размытия логотипов брендов, материалов, защищенных авторским правом, или неподобающего контента в видео и изображениях. Это помогает избежать юридических проблем без ущерба для общего качества контента.

Часто задаваемые вопросы#

  • Размытие объектов с помощью Ultralytics YOLO26 предполагает автоматическое обнаружение выбранных объектов на изображениях или видео и применение к ним эффекта размытия. Эта технология повышает уровень конфиденциальности, скрывая чувствительную информацию и сохраняя важные визуальные данные. Благодаря обработке в реальном времени YOLO26 подходит для задач, требующих немедленной защиты конфиденциальности и выборочной настройки фокуса.

  • Используй пример на Python выше: он выполняет обнаружение объектов с помощью YOLO26 и размывает каждый обнаруженный объект в каждом кадре. Задай blur_ratio (например, 0.5 для размытия интенсивностью 50%), чтобы настроить эффект, и передай classes, чтобы размывать только выбранные типы объектов.

  • Ultralytics YOLO26 дает несколько преимуществ при размытии объектов:

    • Защита конфиденциальности: Эффективно скрывай чувствительную информацию или данные, позволяющие идентифицировать человека.
    • Выборочный фокус: Выбирай объекты для размытия, сохраняя важное визуальное содержимое.
    • Обработка в реальном времени: Эффективно размывай объекты в динамичных средах, обеспечивая мгновенное повышение уровня конфиденциальности.
    • Настраиваемая интенсивность: Регулируй степень размытия, чтобы сбалансировать требования к конфиденциальности и сохранение визуального контекста.
    • Размытие отдельных классов: Размывай только выбранные типы объектов, оставляя остальные видимыми.

    Подробнее о применении читай в разделе Преимущества размытия объектов.

  • Да. Обучи модель обнаружения лиц YOLO26 или выполни её дообучение, например на наборе данных WIDER FACE, а затем передай обученные веса в ObjectBlurrer, указав аргумент model. После этого каждое обнаруженное лицо будет размыто с помощью OpenCV. Чтобы размыть лица во всём наборе данных без написания кода, воспользуйся функцией Размытие лиц на Ultralytics Platform.

  • Ultralytics YOLO26 обычно работает быстрее, чем двухэтапные детекторы, например Faster R-CNN, поэтому лучше подходит для приложений реального времени. Обе модели обеспечивают точное обнаружение, но архитектура YOLO26 оптимизирована для быстрого инференса, что особенно важно для таких задач, как размытие объектов в реальном времени.

Комментарии

Задай вопрос, поделись результатами или помоги кому-нибудь.