Link to this sectionUltralytics YOLO26 ile Nesne Sayma#
Link to this sectionNesne Sayma Nedir?#
Ultralytics YOLO26 ile nesne sayma, videolar ve kamera akışlarındaki belirli nesnelerin doğru bir şekilde tanımlanmasını ve sayılmasını içerir. YOLO26, son teknoloji algoritmaları ve derin öğrenme yetenekleri sayesinde kitle analizi ve gözetim gibi çeşitli senaryolarda gerçek zamanlı uygulamalarda mükemmel sonuçlar vererek verimli ve hassas nesne sayımı sağlar.
Watch: How to Perform Real-Time Object Counting with Ultralytics YOLO26 🚀
Link to this sectionNesne Saymanın Avantajları#
- Kaynak Optimizasyonu: Nesne sayma, doğru sayımlar sağlayarak verimli kaynak yönetimine olanak tanır ve envanter yönetimi gibi uygulamalarda kaynak tahsisini optimize eder.
- Gelişmiş Güvenlik: Nesne sayma, varlıkları doğru bir şekilde takip edip sayarak güvenliği ve gözetimi artırır, böylece proaktif tehdit algılamaya yardımcı olur.
- Bilgiye Dayalı Karar Verme: Nesne sayma, karar verme süreci için değerli içgörüler sunarak perakende, trafik yönetimi ve diğer çeşitli alanlardaki süreçleri optimize eder.
Link to this sectionGerçek Dünya Uygulamaları#
| Lojistik | Su Ürünleri Yetiştiriciliği |
|---|---|
![]() | ![]() |
| Ultralytics YOLO26 Kullanarak Konveyör Bant Paket Sayımı | Ultralytics YOLO26 Kullanarak Denizde Balık Sayımı |
# Run a counting example
yolo solutions count show=True
# Pass a source video
yolo solutions count source="path/to/video.mp4"
# Pass region coordinates
yolo solutions count region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"region argümanı iki nokta (bir çizgi için) veya üç ya da daha fazla noktadan oluşan bir çokgen kabul eder. Sayaç giriş ve çıkışların tam olarak nerede gerçekleştiğini bilsin diye koordinatları birbirine bağlanmaları gereken sırayla tanımla.
Link to this sectionObjectCounter Argümanları#
İşte ObjectCounter argümanlarını içeren bir tablo:
| Argüman | Tip | Varsayılan | Açıklama |
|---|---|---|---|
model | str | None | Bir Ultralytics YOLO model dosyasına giden yol. |
show_in | bool | True | Video akışında giriş sayılarını gösterip göstermemeyi kontrol eden bayrak. |
show_out | bool | True | Video akışında çıkış sayılarını gösterip göstermemeyi kontrol eden bayrak. |
region | list | '[(20, 400), (1260, 400)]' | Sayma bölgesini tanımlayan noktalar listesi. |
ObjectCounter çözümü, çeşitli track argümanlarının kullanımına izin verir:
| Argüman | Tip | Varsayılan | Açıklama |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Kullanılacak izleme algoritmasını belirtir; örn. bytetrack.yaml veya botsort.yaml. |
conf | float | 0.1 | Algılamalar için güven eşiğini ayarlar; daha düşük değerler daha fazla nesnenin izlenmesine izin verir ancak hatalı pozitif sonuçlar içerebilir. |
iou | float | 0.7 | Çakışan algılamaları filtrelemek için Intersection over Union (IoU) eşiğini ayarlar. |
classes | list | None | Sonuçları sınıf indeksine göre filtreler. Örneğin classes=[0, 2, 3] yalnızca belirtilen sınıfları izler. |
verbose | bool | True | İzlenen nesnelerin görsel bir çıktısını sağlayarak izleme sonuçlarının görüntülenmesini kontrol eder. |
device | str | None | Çıkarım için cihazı belirtir (örn. cpu, cuda:0 veya 0). Kullanıcıların model yürütme için CPU, belirli bir GPU veya diğer işlem cihazları arasında seçim yapmasına olanak tanır. |
Ek olarak, aşağıda listelenen görselleştirme argümanları da desteklenmektedir:
| Argüman | Tip | Varsayılan | Açıklama |
|---|---|---|---|
show | bool | False | True ise, açıklamalı görüntüleri veya videoları bir pencerede görüntüler. Geliştirme veya test sırasında anında görsel geri bildirim için kullanışlıdır. |
line_width | int or None | None | Sınırlayıcı kutuların çizgi genişliğini belirtir. None ise, çizgi genişliği görüntü boyutuna göre otomatik olarak ayarlanır. Netlik için görsel özelleştirme sağlar. |
show_conf | bool | True | Her tespit için güven skorunu etiketin yanında görüntüler. Her bir tespit için modelin kesinliği hakkında içgörü sağlar. |
show_labels | bool | True | Görsel çıktıda her bir tespit için etiketleri görüntüler. Tespit edilen nesnelerin anında anlaşılmasını sağlar. |
Link to this sectionSSS#
Link to this sectionUltralytics YOLO26 kullanarak bir videoda nesneleri nasıl sayarım?#
Ultralytics YOLO26 ile bir videodaki nesneleri saymak için şu adımları takip edebilirsin:
- Gerekli kütüphaneleri (
cv2,ultralytics) içe aktar. - Sayım bölgesini (örneğin bir çokgen, çizgi vb.) tanımla.
- Video yakalamayı ayarla ve nesne sayacı başlat.
- Nesneleri takip etmek ve tanımlanan bölge içinde saymak için her kareyi işle.
İşte bir bölgede sayım yapmak için basit bir örnek:
import cv2
from ultralytics import solutions
def count_objects_in_region(video_path, output_video_path, model_path):
"""Count objects in a specific region within a video."""
cap = cv2.VideoCapture(video_path)
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 = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]
counter = solutions.ObjectCounter(show=True, region=region_points, model=model_path)
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or processing is complete.")
break
results = counter(im0)
video_writer.write(results.plot_im)
cap.release()
video_writer.release()
cv2.destroyAllWindows()
count_objects_in_region("path/to/video.mp4", "output_video.avi", "yolo26n.pt")Daha gelişmiş yapılandırmalar ve seçenekler için, birden fazla bölgedeki nesneleri aynı anda saymak üzere RegionCounter çözümüne göz at.
Link to this sectionUltralytics YOLO26'yı nesne saymak için kullanmanın avantajları nelerdir?#
Ultralytics YOLO26'yı nesne sayımı için kullanmak çeşitli avantajlar sunar:
- Kaynak Optimizasyonu: Doğru sayımlar sağlayarak verimli kaynak yönetimine olanak tanır ve envanter yönetimi gibi sektörlerde kaynak tahsisini optimize etmeye yardımcı olur.
- Gelişmiş Güvenlik: Varlıkları doğru bir şekilde takip edip sayarak güvenliği ve gözetimi artırır, proaktif tehdit algılama ve güvenlik sistemlerine katkıda bulunur.
- Bilgiye Dayalı Karar Verme: Perakende, trafik yönetimi ve daha fazlası gibi alanlardaki süreçleri optimize ederek karar verme süreci için değerli içgörüler sunar.
- Gerçek Zamanlı İşleme: YOLO26'nın mimarisi gerçek zamanlı çıkarıma olanak tanır, bu da onu canlı video akışları ve zamana duyarlı uygulamalar için uygun hale getirir.
Uygulama örnekleri ve pratik kullanım alanları için, nesneleri belirli bölgelerde takip etmek üzere TrackZone çözümünü keşfet.
Link to this sectionUltralytics YOLO26 kullanarak belirli nesne sınıflarını nasıl sayabilirim?#
Ultralytics YOLO26 kullanarak belirli nesne sınıflarını saymak için, takip aşamasında ilgilendiğin sınıfları belirtmen gerekir. Aşağıda bir Python örneği bulunmaktadır:
import cv2
from ultralytics import solutions
def count_specific_classes(video_path, output_video_path, model_path, classes_to_count):
"""Count specific classes of objects in a video."""
cap = cv2.VideoCapture(video_path)
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 = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
line_points = [(20, 400), (1080, 400)]
counter = solutions.ObjectCounter(show=True, region=line_points, model=model_path, classes=classes_to_count)
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or processing is complete.")
break
results = counter(im0)
video_writer.write(results.plot_im)
cap.release()
video_writer.release()
cv2.destroyAllWindows()
count_specific_classes("path/to/video.mp4", "output_specific_classes.avi", "yolo26n.pt", [0, 2])Bu örnekte classes_to_count=[0, 2], 0 ve 2 sınıfındaki nesnelerin (örneğin COCO veri setindeki kişi ve araba) sayılacağı anlamına gelir. Sınıf indeksleri hakkında daha fazla bilgiyi COCO veri seti belgelerinde bulabilirsin.
Link to this sectionGerçek zamanlı uygulamalar için neden diğer nesne algılama modelleri yerine YOLO26'yı kullanmalıyım?#
Ultralytics YOLO26, Faster R-CNN, SSD ve önceki YOLO sürümleri gibi diğer nesne algılama modellerine göre çeşitli avantajlar sağlar:
- Hız ve Verimlilik: YOLO26, gerçek zamanlı işleme yetenekleri sunarak gözetim ve otonom sürüş gibi yüksek hızlı çıkarım gerektiren uygulamalar için idealdir.
- Doğruluk: Nesne algılama ve takip görevleri için en üst düzey doğruluk sağlayarak hatalı pozitif sonuçların sayısını azaltır ve genel sistem güvenilirliğini artırır.
- Entegrasyon Kolaylığı: YOLO26, modern yapay zeka uygulamaları için kritik öneme sahip olan mobil ve uç cihazlar dahil olmak üzere çeşitli platformlar ve cihazlarla sorunsuz entegrasyon sunar.
- Flexibility: Supports various tasks like object detection, segmentation, and tracking with configurable models to meet specific use-case requirements.
Özellikleri ve performans karşılaştırmaları hakkında daha derinlemesine bilgi için Ultralytics YOLO26 Belgelerine göz at.
Link to this sectionYOLO26'yı kitle analizi ve trafik yönetimi gibi gelişmiş uygulamalar için kullanabilir miyim?#
Evet, Ultralytics YOLO26; gerçek zamanlı algılama yetenekleri, ölçeklenebilirliği ve entegrasyon esnekliği sayesinde kitle analizi ve trafik yönetimi gibi gelişmiş uygulamalar için mükemmel bir şekilde uygundur. Gelişmiş özellikleri, dinamik ortamlarda yüksek doğrulukla nesne takibi, sayımı ve sınıflandırmasına olanak tanır. Örnek kullanım alanları şunlardır:
- Kitle Analizi: Bölge tabanlı sayım ile güvenliği sağlayarak ve kitle akışını optimize ederek büyük toplantıları izle ve yönet.
- Trafik Yönetimi: Hız tahmini yetenekleriyle araçları takip et ve say, trafik modellerini analiz et ve gerçek zamanlı olarak sıkışıklığı yönet.
- Perakende Analitiği: Mağaza düzenlerini optimize etmek ve müşteri deneyimini iyileştirmek için müşteri hareket modellerini ve ürün etkileşimlerini analiz et.
- Endüstriyel Otomasyon: Konveyör bantlarındaki ürünleri say ve kalite kontrolü ile verimlilik iyileştirmeleri için üretim hatlarını izle.
Daha özelleşmiş uygulamalar için, gerçek dünyadaki bilgisayarlı görü zorlukları için tasarlanmış kapsamlı araç setini görmek üzere Ultralytics Çözümlerini keşfet.

