İçeriğe geç

Ultralytics YOLOv8 adresini kullanarak Farklı Bölgelerde Nesne Sayma 🚀

Bölgelerde Nesne Sayma Nedir?

Bölgelerde nesne sayımı ile Ultralytics YOLOv8 gelişmiş bilgisayar görüşü kullanarak belirli alanlardaki nesnelerin sayısını hassas bir şekilde belirlemeyi içerir. Bu yaklaşım, süreçleri optimize etmek, güvenliği artırmak ve çeşitli uygulamalarda verimliliği artırmak için değerlidir.



İzle: Ultralytics YOLOv8 Çoklu ve Hareketli Bölgelerde Nesne Sayma

Bölgelerde Nesne Saymanın Avantajları?

  • Hassasiyet ve Doğruluk: Gelişmiş bilgisayar görüşü ile bölgelerde nesne sayımı, hassas ve doğru sayımlar sağlayarak genellikle manuel sayımla ilişkili hataları en aza indirir.
  • Verimlilik İyileştirme: Otomatik nesne sayımı, gerçek zamanlı sonuçlar sağlayarak ve farklı uygulamalardaki süreçleri kolaylaştırarak operasyonel verimliliği artırır.
  • Çok Yönlülük ve Uygulama: Bölgelerdeki nesne sayımının çok yönlülüğü, üretim ve gözetimden trafik izlemeye kadar çeşitli alanlarda uygulanabilir olmasını sağlayarak yaygın kullanımına ve etkinliğine katkıda bulunur.

Gerçek Dünya Uygulamaları

Perakende Pazar Sokakları
Farklı Bölgelerde Kişi Sayımı Ultralytics YOLOv8 Farklı Bölgelerde Kalabalık Sayımı Ultralytics YOLOv8
Farklı Bölgelerde Kişi Sayımı Ultralytics YOLOv8 Farklı Bölgelerde Kalabalık Sayımı Ultralytics YOLOv8

Koşmak için Adımlar

Adım 1: Gerekli Kütüphaneleri Kurun

Adım 2'de verilen komutları kullanarak Ultralytics deposunu klonlayarak, bağımlılıkları yükleyerek ve yerel dizine giderek başlayın.

# Clone Ultralytics repo
git clone https://github.com/ultralytics/ultralytics

# Navigate to the local directory
cd ultralytics/examples/YOLOv8-Region-Counter

Adım 2: Bölge Sayımını Kullanarak Çalıştırın Ultralytics YOLOv8

Çıkarım için aşağıdaki temel komutları yürütün.

Bölge Hareketli

Video oynatma sırasında, sol fare düğmesini kullanarak tıklayıp sürükleyerek video içindeki bölgeyi etkileşimli olarak taşıyabilirsiniz.

# Save results
python yolov8_region_counter.py --source "path/to/video.mp4" --save-img

# Run model on CPU
python yolov8_region_counter.py --source "path/to/video.mp4" --device cpu

# Change model file
python yolov8_region_counter.py --source "path/to/video.mp4" --weights "path/to/model.pt"

# Detect specific classes (e.g., first and third classes)
python yolov8_region_counter.py --source "path/to/video.mp4" --classes 0 2

# View results without saving
python yolov8_region_counter.py --source "path/to/video.mp4" --view-img

İsteğe Bağlı Argümanlar

İsim Tip Varsayılan Açıklama
--source str None Video dosyasının yolu, web kamerası için 0
--line_thickness int 2 Sınırlayıcı Kutu kalınlığı
--save-img bool False Öngörülen videoyu/görüntüyü kaydedin
--weights str yolov8n.pt Ağırlıklar dosya yolu
--classes list None Belirli sınıfları tespit edin, yani --classes 0 2
--region-thickness int 2 Bölge Kutu kalınlığı
--track-thickness int 2 İzleme çizgisi kalınlığı


Oluşturuldu 2023-12-02, Güncellendi 2024-05-08
Yazarlar: Burhan-Q (1), glenn-jocher (2), RizwanMunawar (1)

Yorumlar