Ultralytics YOLO26 ile Nesne Kırpma#
Nesne Kırpma Nedir?#
Ultralytics YOLO26 ile nesne kırpma, bir görüntü veya videodaki belirli tespit edilmiş nesneleri ayırıp çıkarmayı içerir. Nesneleri doğru bir şekilde tanımlamak ve sınırlarını belirlemek için YOLO26 modelinin yeteneklerinden yararlanılır; böylece daha ileri analiz veya düzenleme için hassas kırpma yapılabilir.
İzle: Ultralytics YOLO ile Nesne Kırpma
Nesne Kırpmanın Avantajları#
- Odaklı Analiz: YOLO26, hedefli nesne kırpmayı kolaylaştırarak bir sahnedeki tek tek öğelerin derinlemesine incelenmesine veya işlenmesine olanak tanır.
- Azaltılmış Veri Hacmi: Yalnızca ilgili nesneleri çıkaran nesne kırpma, veri boyutunu küçültmeye yardımcı olarak depolama, aktarım veya sonraki hesaplama görevlerini verimli hâle getirir.
- Artırılmış Hassasiyet: YOLO26'nın nesne algılama doğruluğu, kırpılan nesnelerin mekânsal ilişkilerini korumasını sağlayarak ayrıntılı analiz için görsel bilgilerin bütünlüğünü muhafaza eder.
Görseller#
| Havalimanı Bagajları |
|---|
 |
| Ultralytics YOLO26 ile havalimanı konveyör bandındaki valizleri kırpma |
YOLO26 ile Nesneleri Kırp#
Videonu ObjectCropper çözümüne aktar; çözüm her karede nesneleri algılar ve her tespiti ayrı bir görüntü olarak kaydeder. Kırpmayı belirli classes ile sınırla, yalnızca güven düzeyi yüksek tespitleri tutmak için conf değerini yükselt ve kırpımların nereye yazılacağını seçmek için crop_dir ayarla.
# Crop the objects
yolo solutions crop
# Pass a source video
yolo solutions crop source="path/to/video.mp4"
# Crop specific classes
yolo solutions crop classes="[0, 2]"ObjectCropper Bağımsız Değişkenleri#
Aşağıda ObjectCropper bağımsız değişkenlerini içeren bir tablo bulabilirsin:
| Bağımsız değişken | Tür | Varsayılan | Açıklama |
|---|---|---|---|
model | str | None | Ultralytics YOLO model dosyasının yolu. |
crop_dir | str | 'cropped-detections' | Kırpılmış tespitleri depolamak için kullanılan dizinin adı. |
verbose | bool | True | Çözümün her kare için girdi şekli, sınıf sayıları ve işleme hızına ilişkin günlüğünü etkinleştirir. İzleme çağrısının kendisi her zaman sessizdir. |
ObjectCropper, track yerine predict çalıştırır; bu nedenle tracker dışındaki aşağıdaki çıkarım parametrelerini destekler:
| Bağımsız değişken | Tür | Varsayılan | Açıklama |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Kullanılacak izleme 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; düşük değerler daha fazla nesnenin izlenmesine olanak tanır ancak yanlış pozitifleri de içerebilir. |
iou | float | 0.7 | Çakışan algılamaları filtrelemek için Kesişim-Birleşim Oranı (IoU) eşiğini belirler. |
classes | list | None | Sonuçları sınıf dizinine göre filtreler. Örneğin, classes=[0, 2, 3] yalnızca belirtilen sınıfları izler. |
device | str | None | Çıkarım için kullanılacak cihazı belirtir (ör. cpu, cuda:0 veya 0). Kullanıcıların model yürütme için CPU, belirli bir GPU veya başka hesaplama cihazları arasında seçim yapmasına olanak tanır. |
imgsz | int or tuple | 640 | Hedef çıkarım görüntü boyutu: kare görüntüler için bir tam sayı veya bir (height, width) çifti. Boyutlar model adım değerine göre ayarlanır. |
max_det | int | 300 | Yoğun sahnelerde bir çözümün işleyeceği nesne sayısını sınırlamak için izleme öncesinde kare başına tutulan en yüksek algılama sayısı. |
quantize | int or str | None | Çıkarım hassasiyeti: CPU dışında PyTorch ve TorchScript modelleri için 16 (FP16) veya 32/unset (FP32); diğer biçimler, model yapıtının ve çalışma zamanının seçtiği hassasiyeti kullanır. Kullanımdan kaldırılan half argümanının yerini alır. |
Sık Sorulan Sorular#
Ultralytics YOLO26 ile nesne kırpma, YOLO26'nın algılama yeteneklerine dayanarak bir görüntü veya videodaki belirli nesneleri ayırıp çıkarmayı içerir. Bu süreç; odaklı analiz, azaltılmış veri hacmi ve YOLO26'dan yararlanarak nesneleri yüksek doğrulukla tanımlayıp uygun şekilde kırpma yoluyla artırılmış hassasiyet sağlar. Ayrıntılı bir eğitim için nesne kırpma örneğine göz at.
Ultralytics YOLO26; hassasiyeti, hızı ve kullanım kolaylığıyla öne çıkar. Ayrıntılı ve doğru nesne algılama ve kırpma olanağı sunar; bu da odaklı analiz ve yüksek veri bütünlüğü gerektiren uygulamalar için önemlidir. Ayrıca YOLO26, gerçek zamanlı yetenekler ve çeşitli donanımlarda optimizasyon gerektiren dağıtımlar için OpenVINO ve TensorRT gibi araçlarla sorunsuzca bütünleşir. Avantajları model dışa aktarma kılavuzunda keşfet.
Görüntülerinden veya videolarından yalnızca ilgili nesneleri kırpmak için Ultralytics YOLO26'yı kullanarak veri boyutunu önemli ölçüde azaltabilir, depolama ve işlemeyi daha verimli hâle getirebilirsin. Bu süreç, modeli belirli nesneleri algılaması için eğitmeyi, ardından bu bölümleri kırpıp kaydetmek üzere sonuçları kullanmayı içerir. Ultralytics YOLO26'nın yeteneklerinden yararlanma hakkında daha fazla bilgi için hızlı başlangıç kılavuzumuzu ziyaret et.
Evet, Ultralytics YOLO26 nesneleri dinamik olarak algılamak ve 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 uygulayacağını anlamak için izleme ve tahmin modlarına göz at.
Ultralytics YOLO26 hem CPU hem de GPU ortamları için optimize edilmiştir; ancak özellikle gerçek zamanlı veya yüksek hacimli çıkarımda en iyi performansı elde etmek için özel bir GPU (ör. NVIDIA Tesla, RTX serisi) önerilir. Hafif cihazlara dağıtım için iOS'ta CoreML veya Android'de LiteRT kullanmayı düşünebilirsin. Desteklenen cihazlar ve biçimler hakkında daha fazla ayrıntıyı model dağıtım seçeneklerimizde bulabilirsin.