Link to this sectionUltralytics YOLO26 ile Örnek Bölütleme (Instance Segmentation) ve İzleme 🚀#

Link to this sectionÖrnek Bölütleme nedir?#

Örnek bölütleme, bir görüntüdeki bireysel nesneleri piksel düzeyinde tanımlamayı ve ana hatlarını belirlemeyi içeren bir bilgisayarlı görü görevidir. Pikselleri yalnızca kategoriye göre sınıflandıran anlamsal bölütlemeden farklı olarak örnek bölütleme, her nesne örneğini benzersiz şekilde etiketler ve hassas bir şekilde çizer; bu da tıbbi görüntüleme, otonom sürüş ve endüstriyel otomasyon gibi ayrıntılı uzamsal anlayış gerektiren uygulamalar için hayati önem taşır.

Ultralytics YOLO26, YOLO modellerinin bilinen hız ve verimliliğini korurken hassas nesne sınırı tespiti sağlayan güçlü örnek bölütleme yetenekleri sunar.

Ultralytics paketinde iki tür örnek bölütleme takibi mevcuttur:

• Sınıf Nesneleri ile Örnek Bölütleme: Net bir görsel ayrım için her sınıf nesnesine benzersiz bir renk atanır.

• Nesne İzleri ile Örnek Bölütleme: Her iz, video kareleri arasında kolay tanımlamayı ve takibi kolaylaştıracak şekilde farklı bir renkle temsil edilir.

Link to this sectionÖrnekler#

Örnek Segmentasyonu	Örnek Bölütleme + Nesne İzleme
Ultralytics Örnek Bölütleme 😍	Nesne İzleme ile Ultralytics Örnek Bölütleme 🔥

# Instance segmentation using Ultralytics YOLO26
yolo solutions isegment show=True

# Pass a source video
yolo solutions isegment source="path/to/video.mp4"

# Monitor the specific classes
yolo solutions isegment classes="[0, 5]"

Link to this sectionInstanceSegmentation Argümanları#

İşte InstanceSegmentation argümanlarını içeren bir tablo:

You can also take advantage of track arguments within the InstanceSegmentation solution:

Dahası, aşağıdaki görselleştirme argümanları da mevcuttur:

Link to this sectionÖrnek Bölütlemenin Uygulama Alanları#

YOLO26 ile örnek bölütleme, çeşitli sektörlerde çok sayıda gerçek dünya uygulamasına sahiptir:

Link to this sectionAtık Yönetimi ve Geri Dönüşüm#

YOLO26, farklı malzeme türlerini tanımlamak ve ayırmak için atık yönetimi tesislerinde kullanılabilir. Model; plastik atıkları, karton, metal ve diğer geri dönüştürülebilir malzemeleri yüksek hassasiyetle bölütleyerek otomatik ayıklama sistemlerinin atıkları daha verimli bir şekilde işlemesini sağlar. Bu, küresel olarak üretilen 7 milyar ton plastik atığın sadece yaklaşık %10'unun geri dönüştürüldüğü göz önüne alındığında özellikle değerlidir.

Link to this sectionOtonom Araçlar#

Sürücüsüz arabalarda, örnek bölütleme; yayaları, araçları, trafik işaretlerini ve diğer yol unsurlarını piksel düzeyinde tanımlamaya ve izlemeye yardımcı olur. Çevrenin bu hassas şekilde anlaşılması, navigasyon ve güvenlik kararları için çok önemlidir. YOLO26'nın gerçek zamanlı performansı, onu bu zamana duyarlı uygulamalar için ideal kılar.

Link to this sectionTıbbi Görüntüleme#

Örnek bölütleme, tıbbi taramalardaki tümörleri, organları veya hücresel yapıları tanımlayabilir ve ana hatlarını çizebilir. YOLO26'nın nesne sınırlarını hassas bir şekilde belirleme yeteneği, onu tıbbi teşhis ve tedavi planlaması için değerli kılar.

Link to this sectionİnşaat Sahası İzleme#

İnşaat sahalarında örnek bölütleme; ağır iş makinelerini, işçileri ve malzemeleri takip edebilir. Bu, ekipman konumlarını izleyerek ve işçilerin tehlikeli bölgelere girdiği durumları tespit ederek güvenliği sağlamaya yardımcı olurken aynı zamanda iş akışını ve kaynak tahsisini optimize eder.

Link to this sectionNot#

Her türlü sorunuz için Ultralytics Sorun Bölümü veya aşağıda belirtilen tartışma bölümünde sorularını paylaşmaktan çekinme.

Link to this sectionSSS#

Link to this sectionUltralytics YOLO26 kullanarak nasıl örnek bölütleme yaparım?#

Ultralytics YOLO26 kullanarak örnek bölütleme yapmak için YOLO modelini YOLO26'nın bir bölütleme sürümüyle başlat ve video karelerini bu model üzerinden işle. İşte basitleştirilmiş bir kod örneği:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("instance-segmentation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init InstanceSegmentation
isegment = solutions.InstanceSegmentation(
    show=True,  # display the output
    model="yolo26n-seg.pt",  # model="yolo26n-seg.pt" for object segmentation using YOLO26.
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = isegment(im0)
    video_writer.write(results.plot_im)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Örnek bölütleme hakkında daha fazla bilgiyi Ultralytics YOLO26 kılavuzunda bulabilirsin.

Link to this sectionUltralytics YOLO26'da örnek bölütleme ve nesne izleme arasındaki fark nedir?#

Örnek bölütleme, bir görüntüdeki bireysel nesneleri tanımlar ve ana hatlarını belirler; her nesneye benzersiz bir etiket ve maske verir. Nesne izleme ise bunu, video kareleri boyunca nesnelere tutarlı kimlikler atayarak genişletir ve aynı nesnelerin zaman içinde sürekli takibini sağlar. YOLO26 uygulamasında olduğu gibi birleştirildiklerinde, hassas sınır bilgilerini korurken videolardaki nesne hareketini ve davranışını analiz etmek için güçlü yetenekler elde edersin.

Link to this sectionÖrnek bölütleme ve izleme için neden Mask R-CNN veya Faster R-CNN gibi diğer modeller yerine Ultralytics YOLO26 kullanmalıyım?#

Ultralytics YOLO26; Mask R-CNN veya Faster R-CNN gibi diğer modellere kıyasla gerçek zamanlı performans, üstün doğruluk ve kullanım kolaylığı sunar. YOLO26, görüntüleri tek geçişte (tek aşamalı tespit) işler, bu da yüksek hassasiyeti korurken onu önemli ölçüde daha hızlı hale getirir. Ayrıca, kullanıcıların modelleri, veri kümelerini ve eğitim süreçlerini verimli bir şekilde yönetmelerine olanak tanıyan Ultralytics Platformu ile sorunsuz entegrasyon sağlar. Hem hız hem de doğruluk gerektiren uygulamalar için YOLO26 en uygun dengeyi sunar.

Link to this sectionUltralytics tarafından sağlanan ve YOLO26 modellerini örnek bölütleme ve izleme için eğitmeye uygun veri kümeleri var mı?#

Evet, Ultralytics; COCO-Seg, COCO8-Seg (hızlı test için daha küçük bir alt küme), Package-Seg ve Crack-Seg dahil olmak üzere YOLO26 modellerini örnek bölütleme için eğitmeye uygun birkaç veri kümesi sunar. Bu veri kümeleri, örnek bölütleme görevleri için gereken piksel düzeyinde açıklamalarla birlikte gelir. Daha özel uygulamalar için Ultralytics formatını takip eden özel veri kümeleri de oluşturabilirsin. Eksiksiz veri kümesi bilgileri ve kullanım talimatları Ultralytics Veri Kümeleri belgelerinde bulunabilir.