Ultralytics YOLO26 ile Örnek Bölütleme (Instance Segmentation) ve İzleme 🚀#

Örnek Bölütleme nedir?#

Instance segmentation, bir görüntüdeki bireysel nesneleri piksel düzeyinde tanımlamayı ve sınırlarını çizmeyi içeren bir bilgisayarlı görü görevdir. Pikselleri yalnızca kategoriye göre sınıflandıran semantic segmentation aksine, instance segmentation her nesne örneğini benzersiz bir şekilde etiketler ve hassas bir şekilde sınırlar; bu da tıbbi görüntüleme, otonom sürüş ve endüstriyel otomasyon gibi ayrıntılı uzamsal anlama gerektiren uygulamalar için onu çok önemli kılar.

Ultralytics YOLO26, YOLO modellerinin bilinen hızını ve verimliliğini korurken hassas nesne sınırı tespiti sağlayan güçlü instance segmentation 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.

Örnekler#

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

YOLO26 ile Segmentasyon ve Takip Yap#

InstanceSegmentation çözümü, her kare üzerinde bir YOLO26 segmentation modeli çalıştırır, nesne başına maskeler çizer ve bireysel nesneleri bir video boyunca takip edebilmen için her örneği ayrı ayrı renklendirir. Bir -seg modeli yükle, ardından bunu Python API veya CLI kullanarak kaynağın üzerinde çalıştır.

# 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]"

InstanceSegmentation Argümanları#

İşte InstanceSegmentation argümanlarını içeren bir tablo:

InstanceSegmentation çözümünün içindeki track argümanlarından da yararlanabilirsin:

Dahası, aşağıdaki görselleştirme argümanları da mevcuttur:

Örnek Bölütlemenin Uygulama Alanları#

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

Atık Yönetimi ve Geri Dönüşüm#

YOLO26, farklı malzeme türlerini tanımlamak ve ayırmak için waste management facilities kullanılabilir. Model, plastik atıkları, kartonu, metali ve diğer geri dönüştürülebilir malzemeleri yüksek hassasiyetle segmentlere ayırarak otomatik ayıklama sistemlerinin atıkları daha verimli bir şekilde işlemesini sağlar. Bu, küresel olarak üretilen 7 milyar ton plastik atığın yalnızca yaklaşık %10'unun geri dönüştürüldüğü düşünüldüğünde özellikle değerlidir.

Otonom Araçlar#

In self-driving cars, instance segmentation yayaları, araçları, trafik işaretlerini ve diğer yol unsurlarını piksel düzeyinde tanımlamaya ve takip etmeye yardımcı olur. Çevrenin bu hassas şekilde anlaşılması, navigasyon ve güvenlik kararları için çok önemlidir. YOLO26'nın gerçek zamanlı performansı, onu zamana duyarlı bu uygulamalar için ideal kılar.

Tıbbi Görüntüleme#

Instance segmentation, tıbbi taramalardaki tümörleri, organları veya hücresel yapıları tanımlayabilir ve ana hatlarıyla çizebilir. YOLO26'nın nesne sınırlarını hassas bir şekilde belirleme yeteneği, onu medical diagnostics ve tedavi planlaması için değerli kılar.

İnşaat 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.

SSS#

Ultralytics 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()

Instance segmentation hakkında daha fazla bilgiyi Ultralytics YOLO26 guide öğrenebilirsin.

Ultralytics 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.

Örnek 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 accuracy ve kullanım kolaylığı sunar. YOLO26, görüntüleri tek bir geçişte (tek aşamalı tespit) işleyerek yüksek hassasiyeti korurken önemli ölçüde daha hızlı olmasını sağlar. Ayrıca, kullanıcıların modelleri, veri kümelerini ve eğitim hatlarını verimli bir şekilde yönetmesine olanak tanıyan Ultralytics Platform ile sorunsuz entegrasyon sağlar. Hem hız hem de doğruluk gerektiren uygulamalar için YOLO26 ideal bir denge sunar.

Ultralytics 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 instance segmentation için YOLO26 modellerini eğitmek uygun birkaç veri seti sunar. Bu veri setleri, instance segmentation görevleri için gereken piksel düzeyinde etiketlemelerle birlikte gelir. Daha özelleştirilmiş uygulamalar için Ultralytics formatını takip ederek özel veri setleri de oluşturabilirsin. Eksiksiz veri seti bilgilerini ve kullanım talimatlarını Ultralytics Datasets documentation bulabilirsin.