Ultralytics YOLO26 Kullanarak Nesne Bulanıklaştırma#
Nesne Bulanıklaştırma Nedir?#
Ultralytics YOLO26 ile nesne bulanıklaştırma, bir görüntü veya videoda algılanan belirli nesnelere bulanıklaştırma efekti uygulamayı içerir. Bu işlem, belirli bir sahnedeki nesneleri tanımlamak ve işlemek için YOLO26 modelinin yetenekleri kullanılarak gerçekleştirilebilir.
Watch: How to Train Face Detection Model using Ultralytics Platform & Blur Faces | Ultralytics YOLO26 🚀
Nesne Bulanıklaştırmanın Avantajları#
- Gizlilik Koruması: Nesne bulanıklaştırma, görüntülerde veya videolarda hassas ya da kişisel olarak tanımlanabilir bilgileri gizleyerek gizliliği korumak için etkili bir araçtır.
- Seçici Odak: YOLO26, seçici bulanıklaştırmaya olanak tanıyarak belirli nesneleri hedeflemeni ve gizlilik ile ilgili görsel bilgileri koruma arasında denge kurmanı sağlar.
- Gerçek Zamanlı İşleme: YOLO26'nın verimliliği, nesnelerin gerçek zamanlı olarak bulanıklaştırılmasını sağlar ve bu özelliği dinamik ortamlarda anında gizlilik iyileştirmesi 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 içerikleri bulanıklaştırmak için kullanışlıdır.
YOLO26 ile Nesneleri Bulanıklaştırma#
Videonu ObjectBlurrer çözümüne aktar; çözüm her karedeki nesneleri algılar ve her algılama için ortalama (kutu) bulanıklaştırması uygular. Gücü blur_ratio (0.1–1.0) ile kontrol et ve bulanıklaştırmayı belirli classes ile sınırlandır — örneğin yalnızca insanlar ve arabalar için.
# 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]"ObjectBlurrer Bağımsız Değişkenleri#
ObjectBlurrer bağımsız değişkenlerini içeren tablo aşağıda verilmiştir:
| Bağımsız değişken | Tür | Varsayılan | Açıklama |
|---|---|---|---|
model | str | None | Bir Ultralytics YOLO model dosyasının yolu. |
blur_ratio | float | 0.5 | Bulanıklık yoğunluğu yüzdesini 0.1 - 1.0 aralığındaki değerlerle ayarlar. |
line_width | int | 2 | Çözümün çizdiği kutular, kilit noktaları ve sayılar için çizgi kalınlığı. |
verbose | bool | True | Çözümün kare başına giriş şeklini, sınıf sayılarını ve işlem hızını kaydetmesini etkinleştirir. Takip çağrısı her zaman sessizdir. |
ObjectBlurrer çözümü ayrıca çeşitli track bağımsız değişkenlerini destekler:
| Bağımsız değişken | Tür | Varsayılan | Açıklama |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Kullanılacak takip algoritmasını belirtir. Yerleşik seçenekler: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Algılamalar için güven eşiğini belirler; daha düşük değerler daha fazla nesnenin takip edilmesine olanak tanır ancak yanlış pozitifler içerebilir. |
iou | float | 0.7 | Örtüşen algılamaları filtrelemek için Birleşim Üzerindeki Kesişim (IoU) eşiğini belirler. |
classes | list | None | Sonuçları sınıf dizinine göre filtreler. Örneğin, classes=[0, 2, 3] yalnızca belirtilen sınıfları takip eder. |
device | str | None | Çıkarım için cihazı belirtir (ör. cpu, cuda:0 veya 0). Kullanıcıların model çalıştırma işlemi için CPU, belirli bir GPU veya diğer hesaplama cihazları arasında seçim yapmasına olanak tanır. |
imgsz | int or tuple | 640 | Hedef çıkarım görüntü boyutu: kare için bir tamsayı veya bir (height, width) çifti. Şekiller model adımına göre ayarlanır. |
max_det | int | 300 | İzlemeden önce kare başına tutulan maksimum algılama sayısı; yoğun sahnelerde bir çözümün işlediği nesneleri sınırlar. |
quantize | int or str | None | Çıkarım hassasiyeti: PyTorch ve TorchScript modelleri için 16 (FP16) veya 32/ayarlanmamış (FP32); diğer formatlar, yapılarının ve çalışma zamanının seçtiği hassasiyette hesaplama yapar. Kullanımdan kaldırılan half bayrağının yerini alır. |
Ayrıca aşağıdaki görselleştirme bağımsız değişkenleri kullanılabilir:
| Bağımsız değişken | Tür | Varsayılan | Açıklama |
|---|---|---|---|
show | bool | False | True olduğunda açıklamalı görüntüleri veya videoları bir pencerede görüntüler. Geliştirme veya test sırasında anında görsel geri bildirim almak için kullanışlıdır. |
show_conf | bool | True | Her algılamanın güven skorunu etiketin yanında görüntüler. Modelin her algılamaya ilişkin kesinliği hakkında fikir verir. |
show_labels | bool | True | Görsel çıktıda her algılama için etiketleri görüntüler. Algılanan nesnelerin hemen anlaşılmasını sağlar. |
Gerçek Dünya Uygulamaları#
Gözetimde Gizlilik Koruması#
Güvenlik kameraları ve gözetim sistemleri, önemli etkinlikleri kaydetmeye devam ederken yüzleri, plaka numaralarını veya diğer tanımlayıcı bilgileri otomatik olarak bulanıklaştırmak için YOLO26'yı kullanabilir. Bu, kamusal alanlarda gizlilik haklarına saygı gösterirken güvenliğin korunmasına yardımcı olur.
Sağlık Verilerinin Anonimleştirilmesi#
Tıbbi görüntülemede hasta bilgileri genellikle taramalarda veya fotoğraflarda görünür. YOLO26, tıbbi veriler araştırma ya da eğitim amacıyla paylaşılırken HIPAA gibi düzenlemelere uymak için bu bilgileri algılayıp bulanıklaştırabilir.
Belgelerde Karartma#
Hassas bilgiler içeren belgeleri paylaşırken YOLO26; imzalar, hesap numaraları veya kişisel bilgiler gibi belirli öğeleri otomatik olarak algılayıp bulanıklaştırabilir. Böylece belge bütünlüğünü korurken karartma sürecini kolaylaştırır.
Medya ve İçerik Oluşturma#
İçerik oluşturucular, videolarda ve görüntülerde marka logolarını, telif hakkıyla korunan materyalleri veya uygunsuz içerikleri bulanıklaştırmak için YOLO26'yı kullanabilir. Bu, genel içerik kalitesini korurken yasal sorunların önlenmesine yardımcı olur.
SSS#
Ultralytics YOLO26 ile nesne bulanıklaştırma, görüntülerde veya videolarda belirli nesneleri otomatik olarak algılayıp bunlara bulanıklaştırma efekti uygulamayı içerir. Bu teknik, ilgili görsel verileri korurken hassas bilgileri gizleyerek gizliliği artırır. YOLO26'nın gerçek zamanlı işleme yetenekleri, anında gizlilik koruması ve seçici odak ayarlamaları gerektiren uygulamalar için onu uygun hale getirir.
Her karede YOLO26 nesne algılamasını çalıştıran ve her algılamayı bulanıklaştıran yukarıdaki Python örneğini kullan. Efekti kontrol etmek için
blur_ratiodeğerini (örneğin %50 bulanıklık yoğunluğu için0.5) ayarla ve yalnızca belirli nesne türlerini bulanıklaştırmak içinclassesdeğerini aktar.Ultralytics YOLO26, nesne bulanıklaştırma için çeşitli avantajlar sunar:
- Gizlilik Koruması: Hassas veya tanımlanabilir bilgileri etkili bir şekilde gizler.
- Seçici Odak: Temel görsel içeriği koruyarak belirli nesneleri bulanıklaştırmayı hedefler.
- Gerçek Zamanlı İşleme: Dinamik ortamlarda nesne bulanıklaştırmayı verimli bir şekilde gerçekleştirir ve anında gizlilik iyileştirmeleri için uygundur.
- Özelleştirilebilir Yoğunluk: Gizlilik gereksinimleri ile görsel bağlam arasında denge kurmak için bulanıklık oranını ayarlamana olanak tanır.
- Sınıfa Özel Bulanıklaştırma: Diğer nesneleri görünür bırakırken yalnızca belirli nesne türlerini seçerek bulanıklaştırır.
Daha ayrıntılı uygulamalar için nesne bulanıklaştırmanın avantajları bölümüne göz at.
Evet, Ultralytics YOLO26 videolardaki yüzleri algılayıp bulanıklaştıracak şekilde yapılandırılabilir ve böylece gizlilik korunabilir. Yüzleri özellikle tanımak üzere bir model eğiterek veya önceden eğitilmiş bir model kullanarak algılama sonuçları, bulanıklaştırma efekti uygulamak için OpenCV ile işlenebilir. YOLO26 ile nesne algılama kılavuzumuza başvur ve kodu yüz algılamayı hedefleyecek şekilde değiştir.
Ultralytics YOLO26, hız açısından genellikle 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 YOLO26'nın mimarisi, gerçek zamanlı nesne bulanıklaştırma gibi görevler için kritik olan hızlı çıkarım işlemi için optimize edilmiştir. Teknik farklılıklar ve performans ölçütleri hakkında YOLO26 belgelerimizden daha fazla bilgi edin.