Ultralytics YOLO11 kullanarak Nesne Bulanıklaştırma 🚀

Nesne Bulanıklaştırma Nedir?

Nesne bulanıklaştırma ile Ultralytics YOLO11 bir görüntü veya videoda algılanan belirli nesnelere bulanıklaştırma efekti uygulanmasını içerir. Bu, belirli bir sahnedeki nesneleri tanımlamak ve manipüle etmek için YOLO11 model yetenekleri kullanılarak gerçekleştirilebilir.

İzle: Nesne Bulanıklaştırma kullanarak Ultralytics YOLO11

Nesne Bulanıklaştırmanın Avantajları

• Gizlilik Koruması: Nesne bulanıklaştırma, görüntü veya videolardaki hassas veya kişisel olarak tanımlanabilir bilgileri gizleyerek gizliliği korumak için etkili bir araçtır.
• Seçici Odak: YOLO11 seçici bulanıklaştırmaya olanak tanıyarak kullanıcıların belirli nesneleri hedeflemesini sağlar, gizlilik ve ilgili görsel bilgilerin korunması arasında bir denge sağlar.
• Gerçek Zamanlı İşleme: YOLO11'nin verimliliği, gerçek zamanlı olarak nesne bulanıklaştırmaya olanak tanıyarak dinamik ortamlarda anında gizlilik geliştirmeleri gerektiren uygulamalar için uygun hale getirir.
• Mevzuata Uygunluk: Görsel içerikteki tanımlanabilir bilgileri anonimleştirerek kuruluşların GDPR gibi veri koruma düzenlemelerine uymasına yardımcı olur.
• İçerik Moderasyonu: Genel bağlamı korurken medya platformlarındaki 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 object
blurrer = solutions.ObjectBlurrer(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object blurring i.e. yolo11m.pt
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes i.e, person and car with COCO pretrained model.
    # blur_ratio=0.5,  # adjust percentage of blur intensity, the 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 bir tablo ObjectBlurrer Argümanlar:

Bu ObjectBlurrer çözümü aynı zamanda bir dizi track Argümanlar:

Ayrıca, aşağıdaki görselleştirme argümanları da kullanılabilir:

Gerçek Dünya Uygulamaları

Gözetimde Mahremiyetin Korunması

Güvenlik kameraları ve gözetleme sistemleri YOLO11 'i kullanarak yüzleri, plakaları veya diğer tanımlayıcı bilgileri otomatik olarak bulanıklaştırırken önemli etkinlikleri yakalamaya devam edebilir. Bu, kamusal alanlarda gizlilik haklarına saygı gösterirken güvenliğin korunmasına yardımcı olur.

Sağlık Verilerinin Anonimleştirilmesi

Tıbbi görüntülemede, hasta bilgileri genellikle taramalarda veya fotoğraflarda görünür. YOLO11 , tıbbi verileri araştırma veya eğitim amacıyla paylaşırken HIPAA gibi düzenlemelere uymak için bu bilgileri algılayabilir ve bulanıklaştırabilir.

Belge Redaksiyonu

Hassas bilgiler içeren belgeleri paylaşırken, YOLO11 imzalar, hesap numaraları veya kişisel ayrıntılar gibi belirli öğeleri otomatik olarak algılayıp bulanıklaştırabilir ve belge bütünlüğünü korurken redaksiyon sürecini kolaylaştırır.

Medya ve İçerik Oluşturma

İçerik oluşturucular YOLO11 'i kullanarak marka logolarını, telif hakkıyla korunan materyalleri veya video ve görsellerdeki uygunsuz içerikleri bulanıklaştırabilir, böylece genel içerik kalitesini korurken yasal sorunlardan kaçınmaya yardımcı olabilirler.

SSS

Ultralytics YOLO11 ile nesne bulanıklaştırma nedir?

Nesne bulanıklaştırma ile Ultralytics YOLO11 görüntülerdeki veya videolardaki belirli nesneleri otomatik olarak algılamayı ve bunlara bulanıklaştırma efekti uygulamayı içerir. Bu teknik, ilgili görsel verileri korurken hassas bilgileri gizleyerek gizliliği artırır. YOLO11'nin gerçek zamanlı işleme yetenekleri, onu anında gizlilik koruması ve seçici odak ayarlamaları gerektiren uygulamalar için uygun hale getirir.

YOLO11 kullanarak gerçek zamanlı nesne bulanıklaştırmayı nasıl uygulayabilirim?

YOLO11 ile gerçek zamanlı nesne bulanıklaştırma uygulamak için sağlanan Python örneğini izleyin. Bu, nesne algılama için YOLO11 ve bulanıklaştırma efektini uygulamak için OpenCV kullanmayı içerir. İşte basitleştirilmiş bir versiyon:

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="yolo11n.pt",  # model="yolo11n-obb.pt" for object blurring using YOLO11 OBB model.
    blur_ratio=0.5,  # set blur percentage i.e 0.7 for 70% blurred detected objects
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes i.e, person and car with 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 YOLO11 kullanmanın faydaları nelerdir?

Ultralytics YOLO11 nesne bulanıklaştırma için çeşitli avantajlar sunar:

• Gizlilik Koruması: Hassas veya tanımlanabilir bilgileri etkili bir şekilde gizleyin.
• Seçici Odaklanma: Temel görsel içeriği koruyarak bulanıklaştırma için belirli nesneleri hedefleyin.
• Gerçek Zamanlı İşleme: Nesne bulanıklaştırmayı dinamik ortamlarda verimli bir şekilde gerçekleştirin, anlık gizlilik geliştirmeleri için uygundur.
• Özelleştirilebilir Yoğunluk: Gizlilik ihtiyaçlarını görsel bağlamla dengelemek için bulanıklık oranını ayarlayın.
• Sınıfa Özel Bulanıklaştırma: Diğerlerini görünür bırakırken yalnızca belirli nesne türlerini seçerek bulanıklaştırın.

Daha ayrıntılı uygulamalar için nesne bulanıklaştırmanın avantajları bölümüne bakın.

Gizlilik nedeniyle bir videodaki yüzleri bulanıklaştırmak için Ultralytics YOLO11 adresini kullanabilir miyim?

Evet, Ultralytics YOLO11 gizliliği korumak için videolardaki yüzleri algılayacak ve bulanıklaştıracak şekilde yapılandırılabilir. Özellikle yüzleri tanımak için önceden eğitilmiş bir modeli eğiterek veya kullanarak, bulanıklaştırma efekti uygulamak için algılama sonuçları OpenCV ile işlenebilir. YOLO11 ile nesne algılama kılavuzumuza bakın ve kodu yüz algılamayı hedefleyecek şekilde değiştirin.

YOLO11 , nesne bulanıklaştırma için Faster R-CNN gibi diğer nesne algılama modelleriyle nasıl karşılaştırılır?

Ultralytics YOLO11 tipik olarak hız açısından Faster R-CNN gibi modellerden daha iyi performans gösterir ve bu da onu gerçek zamanlı uygulamalar için daha uygun hale getirir. Her iki model de doğru algılama sunarken, YOLO11'un mimarisi, gerçek zamanlı nesne bulanıklaştırma gibi görevler için kritik olan hızlı çıkarım için optimize edilmiştir. Teknik farklılıklar ve performans ölçümleri hakkında daha fazla bilgiyi YOLO11 dokümanlarımızda bulabilirsiniz.

📅1 yıl önce oluşturuldu ✏️ 6 gün önce güncellendi

Yorumlar