Ultralytics YOLO26 Kullanarak Nesne Kırpma
Nesne Kırpma nedir?
Ultralytics YOLO26 ile nesne kırpma, belirli detect edilmiş nesneleri bir görüntüden veya videodan izole etmeyi ve çıkarmayı içerir. YOLO26 model yetenekleri, nesneleri doğru bir şekilde tanımlamak ve sınırlarını belirlemek için kullanılır, bu da daha fazla analiz veya manipülasyon için hassas kırpmayı mümkün kılar.
İzle: Ultralytics YOLO Kullanarak Nesne Kırpma
Nesne Kırpmanın Avantajları
- Odaklanmış Analiz: YOLO26, hedeflenmiş nesne kırpmayı kolaylaştırır ve bir sahnedeki tek tek öğelerin derinlemesine incelenmesine veya işlenmesine olanak tanır.
- Azaltılmış Veri Hacmi: Nesne kırpma, yalnızca ilgili nesneleri çıkararak veri boyutunu en aza indirmeye yardımcı olur ve bu da depolama, iletim veya sonraki hesaplama görevleri için verimli olmasını sağlar.
- Gelişmiş Hassasiyet: YOLO26'nın nesne detectdoğruluğu, kırpılan nesnelerin uzamsal ilişkilerini korumasını sağlayarak, ayrıntılı analiz için görsel bilginin bütünlüğünü muhafaza eder.
Görseller
| Havaalanı Bagajı |
|---|
 |
| Havaalanı konveyör bandında Ultralytics YOLO26 kullanarak Bavul Kırpma |
Ultralytics YOLO Kullanarak Nesne Kırpma
# Crop the objects
yolo solutions crop show=True
# Pass a source video
yolo solutions crop source="path/to/video.mp4"
# Crop specific classes
yolo solutions crop classes="[0, 2]"
import cv2
from ultralytics import solutions
cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
# Initialize object cropper
cropper = solutions.ObjectCropper(
show=True, # display the output
model="yolo26n.pt", # model for object cropping, e.g., yolo26x.pt.
classes=[0, 2], # crop specific classes such as person and car with the COCO pretrained model.
# conf=0.5, # adjust confidence threshold for the objects.
# crop_dir="cropped-detections", # set the directory name for cropped detections
)
# Process video
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or processing is complete.")
break
results = cropper(im0)
# print(results) # access the output
cap.release()
cv2.destroyAllWindows() # destroy all opened windows
İsteğe bağlı olarak sağladığınızda crop_dir argümanı ile her kırpılan nesne, kaynak görüntü adını ve sınıfını içeren dosya adlarıyla o klasöre yazılır. Bu, ek kod yazmaya gerek kalmadan algılamaları incelemeyi veya aşağı yönlü veri kümeleri oluşturmayı kolaylaştırır.
ObjectCropper Argümanlar
İşte şunları içeren bir tablo: ObjectCropper argümanlar:
| Argüman | Tür | Varsayılan | Açıklama |
|---|---|---|---|
model | str | None | Bir Ultralytics YOLO model dosyasının yolu. |
crop_dir | str | 'cropped-detections' | Kırpılmış algılamaların saklanacağı dizin adı. |
Ayrıca, aşağıdaki görselleştirme argümanları kullanıma sunulmuştur:
| Argüman | Tür | Varsayılan | Açıklama |
|---|---|---|---|
show | bool | False | Eğer True, ek 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. Eğer None, çizgi genişliği, görüntü boyutuna göre otomatik olarak ayarlanır. Netlik için görsel özelleştirme sağlar. |
SSS
Ultralytics YOLO26'da nesne kırpma nedir ve nasıl çalışır?
Ultralytics YOLO26 kullanarak nesne kırpma, YOLO26'nın detect yeteneklerine dayanarak bir görüntüden veya videodan belirli nesneleri izole etmeyi ve çıkarmayı içerir. Bu süreç, YOLO26'yı kullanarak nesneleri yüksek doğrulukla tanımlayarak ve buna göre kırparak odaklanmış analiz, azaltılmış veri hacmi ve geliştirilmiş hassasiyet sağlar. Derinlemesine bir eğitim için nesne kırpma örneğine bakın.
Nesne kırpma için neden diğer çözümler yerine Ultralytics YOLO26 kullanmalıyım?
Ultralytics YOLO26, hassasiyeti, hızı ve kullanım kolaylığı sayesinde öne çıkar. Odaklanmış analiz ve yüksek veri bütünlüğü gerektiren uygulamalar için temel olan ayrıntılı ve doğru nesne detect ve kırpma imkanı sunar. Dahası, YOLO26, gerçek zamanlı yetenekler ve çeşitli donanımlarda optimizasyon gerektiren dağıtımlar için OpenVINO ve TensorRT gibi araçlarla sorunsuz bir şekilde entegre olur. Faydalarını model dışa aktarma kılavuzunda keşfedin.
Nesne kırpma kullanarak veri setimin veri hacmini nasıl azaltabilirim?
Ultralytics YOLO26'yı kullanarak görüntülerinizden veya videolarınızdan yalnızca ilgili nesneleri kırparak, veri boyutunu önemli ölçüde azaltabilir, böylece depolama ve işleme için daha verimli hale getirebilirsiniz. Bu süreç, modeli belirli nesneleri detect etmek üzere eğitmeyi ve ardından sonuçları kullanarak yalnızca bu kısımları kırpıp kaydetmeyi içerir. Ultralytics YOLO26'nın yeteneklerinden yararlanma hakkında daha fazla bilgi için hızlı başlangıç kılavuzumuzu ziyaret edin.
Ultralytics YOLO26'yı gerçek zamanlı video analizi ve nesne kırpma için kullanabilir miyim?
Evet, Ultralytics YOLO26, nesneleri dinamik olarak detect edip kırpmak için gerçek zamanlı video akışlarını işleyebilir. Modelin yüksek hızlı çıkarım yetenekleri, onu gözetim, spor analizi ve otomatik denetim sistemleri gibi gerçek zamanlı uygulamalar için ideal kılar. Gerçek zamanlı işlemeyi nasıl uygulayacağınızı anlamak için track ve tahmin modlarını inceleyin.
Nesne kırpma için YOLO26'yı verimli bir şekilde çalıştırmak için donanım gereksinimleri nelerdir?
Ultralytics YOLO26 hem CPU hem de GPU ortamları için optimize edilmiştir, ancak özellikle gerçek zamanlı veya yüksek hacimli çıkarım için optimal performans elde etmek amacıyla özel bir GPU (örn. NVIDIA Tesla, RTX serisi) önerilir. Hafif cihazlarda dağıtım için iOS için CoreML veya Android için TFLite kullanmayı düşünebilirsiniz. Desteklenen cihazlar ve formatlar hakkında daha fazla detayı model dağıtım seçeneklerimizde bulabilirsiniz.
