Ultralytics YOLO26 Kullanarak Nesne Bulanıklaştırma 🚀

Nesne Bulanıklığı nedir?

Ultralytics YOLO26 ile nesne bulanıklaştırma, bir görüntüdeki veya videodaki belirli tespit edilen nesnelere bulanıklaştırma efekti uygulamayı içerir. Bu, YOLO26 model yetenekleri kullanılarak belirli bir sahnedeki nesneleri tanımlamak ve manipüle etmek suretiyle gerçekleştirilebilir.

İzle: Ultralytics YOLO26 Kullanarak Nesne Bulanıklaştırma

Nesne Bulanıklığının Avantajları

• Gizlilik Koruması: Nesne bulanıklaştırma, resimlerdeki veya videolardaki hassas veya kişisel olarak tanımlanabilir bilgileri gizleyerek gizliliği korumak için etkili bir araçtır.
• Seçici Odak: YOLO26, seçici bulanıklaştırmaya olanak tanır, bu da kullanıcıların belirli nesneleri hedeflemesini sağlayarak gizlilik ile ilgili görsel bilgilerin korunması arasında bir denge kurulmasını temin eder.
• Gerçek Zamanlı İşleme: YOLO26'nın verimliliği, nesne bulanıklaştırmayı gerçek zamanlı olarak mümkün kılar, bu da onu dinamik ortamlarda anında gizlilik iyileştirmeleri gerektiren uygulamalar için uygun hale getirir.
• Yasal Uyumluluk: Kuruluşların görsel içerikteki tanımlanabilir bilgileri anonimleştirerek GDPR gibi veri koruma düzenlemelerine uymasına yardımcı olur.
• İçerik Denetimi: Medya platformlarında genel bağlamı korurken uygunsuz veya hassas içeriği bulanıklaştırmak için kullanışlıdır.

# 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]"

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("object_blurring_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize object blurrer
blurrer = solutions.ObjectBlurrer(
    show=True,  # display the output
    model="yolo26n.pt",  # model for object blurring, e.g., yolo26m.pt
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # blur specific classes, e.g., person and car with the COCO pretrained model.
    # blur_ratio=0.5,  # adjust percentage of blur intensity, value in range 0.1 - 1.0
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = blurrer(im0)

    # print(results)  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

ObjectBlurrer Argümanlar

İşte şunları içeren bir tablo: ObjectBlurrer argümanlar:

ObjectBlurrer çözümü ayrıca bir dizi şeyi destekler track argümanlar:

Ayrıca, aşağıdaki görselleştirme argümanları kullanılabilir:

Gerçek Dünya Uygulamaları

Gözetimde Gizliliğin Korunması

Güvenlik kameraları ve gözetim sistemleri, önemli aktiviteleri kaydetmeye devam ederken yüzleri, plaka numaralarını veya diğer tanımlayıcı bilgileri otomatik olarak bulanıklaştırmak için YOLO26'yı kullanabilir. Bu, kamusal alanlarda gizlilik haklarına saygı gösterirken güvenliği sağlamaya yardımcı olur.

Sağlık Verisi Anonimleştirme

Tıbbi görüntülemede, hasta bilgileri genellikle taramalarda veya fotoğraflarda görünür. YOLO26, tıbbi verileri araştırma veya eğitim amaçlı paylaşırken HIPAA gibi düzenlemelere uymak için bu bilgileri tespit edip bulanıklaştırabilir.

Belge Redaksiyonu

Hassas bilgiler içeren belgeler paylaşılırken, YOLO26 imzalar, hesap numaraları veya kişisel detaylar gibi belirli öğeleri otomatik olarak tespit edip bulanıklaştırabilir, böylece belge bütünlüğünü korurken sansürleme sürecini kolaylaştırır.

Medya ve İçerik Oluşturma

İçerik oluşturucular, videolardaki ve görüntülerdeki marka logolarını, telif hakkıyla korunan materyalleri veya uygunsuz içerikleri bulanıklaştırmak için YOLO26'yı kullanabilir, bu da genel içerik kalitesini korurken yasal sorunlardan kaçınmaya yardımcı olur.

SSS

Ultralytics YOLO26 ile nesne bulanıklaştırma nedir?

Ultralytics YOLO26 ile nesne bulanıklaştırma, görüntülerdeki veya videolardaki belirli nesneleri otomatik olarak tespit etmeyi ve bunlara bulanıklaştırma efekti uygulamayı içerir. Bu teknik, hassas bilgileri gizlerken ilgili görsel verileri koruyarak gizliliği artırır. YOLO26'nın gerçek zamanlı işleme yetenekleri, anında gizlilik koruması ve seçici odak ayarlamaları gerektiren uygulamalar için uygun olmasını sağlar.

YOLO26 kullanarak gerçek zamanlı nesne bulanıklaştırmayı nasıl uygulayabilirim?

YOLO26 ile gerçek zamanlı nesne bulanıklaştırmayı uygulamak için verilen Python örneğini takip edin. Bu, nesne tespiti için YOLO26'yı ve bulanıklaştırma efekti uygulamak için OpenCV'yi kullanmayı içerir. İşte basitleştirilmiş bir versiyonu:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
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
video_writer = cv2.VideoWriter("object_blurring_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init ObjectBlurrer
blurrer = solutions.ObjectBlurrer(
    show=True,  # display the output
    model="yolo26n.pt",  # model="yolo26n-obb.pt" for object blurring using YOLO26 OBB model.
    blur_ratio=0.5,  # set blur percentage, e.g., 0.7 for 70% blur on detected objects
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes, e.g., person and car with the COCO pretrained model.
)

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

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

Nesne bulanıklaştırma için Ultralytics YOLO26 kullanmanın faydaları nelerdir?

Ultralytics YOLO26, nesne bulanıklaştırma için çeşitli avantajlar sunar:

• Gizlilik Koruması: Hassas veya tanımlanabilir bilgileri etkili bir şekilde gizleyin.
• Seçici Odak: Temel görsel içeriği koruyarak bulanıklaştırma için belirli nesneleri hedefleyin.
• Gerçek Zamanlı İşleme: Dinamik ortamlarda nesne bulanıklaştırmayı verimli bir şekilde yürütün, anında gizlilik geliştirmeleri için uygundur.
• Özelleştirilebilir Yoğunluk: Gizlilik ihtiyaçlarını görsel bağlamla dengelemek için bulanıklık oranını ayarlayın.
• Sınıfa Özgü Bulanıklaştırma: Yalnızca belirli nesne türlerini seçerek bulanıklaştırırken diğerlerini görünür bırakın.

Daha ayrıntılı uygulamalar için nesne bulanıklığı bölümünün avantajlarını kontrol edin.

Gizlilik nedenleriyle bir videodaki yüzleri bulanıklaştırmak için Ultralytics YOLO26 kullanabilir miyim?

Evet, Ultralytics YOLO26, gizliliği korumak amacıyla videolardaki yüzleri detect etmek ve bulanıklaştırmak için yapılandırılabilir. Yüzleri özel olarak tanımak için bir model eğiterek veya önceden eğitilmiş bir model kullanarak, detect sonuçları bir bulanıklaştırma efekti uygulamak üzere OpenCV ile işlenebilir. YOLO26 ile nesne detect rehberimize başvurun ve kodu yüz detectini hedefleyecek şekilde değiştirin.

YOLO26, nesne bulanıklaştırma için Faster R-CNN gibi diğer nesne tespit modelleriyle nasıl karşılaştırılır?

Ultralytics YOLO26, hız açısından Faster R-CNN gibi modellerden genellikle daha iyi performans gösterir ve bu da onu gerçek zamanlı uygulamalar için daha uygun hale getirir. Her iki model de doğru detect sunarken, YOLO26'nın mimarisi, gerçek zamanlı nesne bulanıklaştırma gibi görevler için kritik olan hızlı çıkarım için optimize edilmiştir. Teknik farklılıklar ve performans metrikleri hakkında daha fazla bilgiyi YOLO26 dokümantasyonumuzda bulabilirsiniz.

📅 2 yıl önce oluşturuldu ✏️ 13 gün önce güncellendi

Yorumlar