Link to this sectionUltralytics Çözümleri: Gerçek Dünya Problemlerini Çözmek İçin YOLO26'dan Yararlan#
Ultralytics Çözümleri, YOLO modellerinin en gelişmiş uygulamalarını sunarak nesne sayma, bulanıklaştırma ve güvenlik sistemleri gibi gerçek dünya çözümleriyle çeşitli endüstrilerde verimliliği ve doğruluğu artırır. Pratik ve etkili uygulamalar için YOLO26'nın gücünü keşfet.
Watch: How to Run Ultralytics Solutions from the Command Line (CLI) | Ultralytics YOLO26 🚀
Link to this sectionÇözümler#
Harika bilgisayarlı görü projeleri oluşturmak için kullanabileceğin, özel olarak seçilmiş Ultralytics çözümleri listemiz burada.
- Analitik: Tanımlayıcı, tahmine dayalı ve kuralcı analitik için YOLO26'dan yararlanarak desenleri keşfetmek ve bilinçli kararlar almak üzere kapsamlı veri analizi yap.
- Mesafe Hesaplama: Uzamsal analiz için gerekli olan, YOLO26'daki sınırlayıcı kutu merkezlerini kullanarak nesneler arasındaki mesafeyi hesapla.
- Isı Haritaları: Bilgisayarlı görü görevlerinde net içgörüler sağlayan, bir matris üzerindeki veri yoğunluğunu görselleştirmek için algılama ısı haritalarını kullan.
- Nesne İzleme ile Örnek Segmentasyonu: Hassas nesne sınırlarına ve sürekli izlemeye ulaşmak için YOLO26 ile örnek segmentasyonu ve nesne izleme uygula.
- Streamlit ile Canlı Çıkarım: Kullanıcı dostu Streamlit arayüzü ile doğrudan web tarayıcın üzerinden gerçek zamanlı nesne algılama için YOLO26'nın gücünden yararlan.
- Nesne Bulanıklaştırma: Görüntü ve video işlemede gizliliği korumak için YOLO26 kullanarak nesne bulanıklaştırma uygula.
- Nesne Sayma: YOLO26 ile gerçek zamanlı nesne saymayı öğren. Canlı video akışlarındaki nesneleri doğru bir şekilde saymak için uzmanlık kazan.
- Bölgelerde Nesne Sayma: Farklı alanlarda doğru algılama için YOLO26 kullanarak belirli bölgelerdeki nesneleri say.
- Nesne Kırpma: Görüntü ve videolardan nesneleri hassas bir şekilde çıkarmak için YOLO26 ile nesne kırpmada ustalaş.
- Park Yönetimi: Alan kullanımını ve kullanıcı deneyimini optimize ederek, YOLO26 ile park alanlarındaki araç akışını düzenle ve yönlendir.
- Sıra Yönetimi: YOLO26 kullanarak bekleme sürelerini en aza indirmek ve üretkenliği artırmak için verimli sıra yönetimi sistemleri uygula.
- Güvenlik Alarm Sistemi: Yeni nesneler algılandığında uyarı veren, YOLO26 destekli bir güvenlik alarm sistemi oluştur. Sistemi özel ihtiyaçlarına göre özelleştir.
- Benzerlik Araması: "çanta tutan kişi" veya "hareket halindeki araçlar" gibi doğal dil sorgularına izin vererek, OpenAI CLIP yerleştirmelerini Meta FAISS ile birleştirerek akıllı görüntü alımını etkinleştir.
- Hız Tahmini: Otonom araçlar ve trafik izleme gibi uygulamalar için kritik olan, YOLO26 ve nesne izleme tekniklerini kullanarak nesne hızını tahmin et.
- Bölgedeki Nesneleri İzleme: Hassas ve verimli izleme için YOLO26 kullanarak video karelerinin belirli bölgelerindeki nesneleri nasıl izleyeceğini öğren.
- VisionEye Nesne Eşleme: İnsan gözünün belirli nesnelere odaklanmasını taklit eden sistemler geliştirerek bilgisayarın detayları ayırt etme ve önceliklendirme yeteneğini geliştir.
- Egzersiz İzleme: YOLO26 kullanarak egzersizleri nasıl izleyeceğini keşfet. Çeşitli fitness rutinlerini gerçek zamanlı olarak takip etmeyi ve analiz etmeyi öğren.
Link to this sectionÇözüm Argümanları#
| Argüman | Tip | Varsayılan | Açıklama |
|---|---|---|---|
model | str | None | Bir Ultralytics YOLO model dosyasına giden yol. |
region | list | '[(20, 400), (1260, 400)]' | Sayma bölgesini tanımlayan noktalar listesi. |
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. |
analytics_type | str | 'line' | Grafik türü; örn. line (çizgi), bar (çubuk), area (alan) veya pie (pasta). |
colormap | int | cv2.COLORMAP_DEEPGREEN | Isı haritası için kullanılacak renk haritası. |
json_file | str | None | Tüm park koordinatları verilerini içeren JSON dosyasına giden yol. |
up_angle | float | 145.0 | 'yukarı' pozu için açı eşiği. |
kpts | list[int] | '[6, 8, 10]' | Egzersizleri izlemek için kullanılan üç anahtar nokta indeksi listesi. Bu anahtar noktalar; şınav, barfiks, squat ve karın egzersizleri gibi hareketler için omuzlar, dirsekler ve bilekler gibi vücut eklemlerine veya kısımlarına karşılık gelir. |
down_angle | int | 90 | 'aşağı' pozu için açı eşiği. |
blur_ratio | float | 0.5 | 0.1 - 1.0 aralığındaki değerlerle bulanıklık yoğunluğu yüzdesini ayarlar. |
crop_dir | str | 'cropped-detections' | Kırpılmış algılamaları depolamak için dizin adı. |
records | int | 5 | Güvenlik alarm sistemi ile e-posta tetiklemek için gereken toplam algılama sayısı. |
vision_point | tuple[int, int] | (20, 20) | VisionEye Çözümü ile vizyonun nesneleri izleyeceği ve yollar çizeceği nokta. |
source | str | None | Girdi kaynağına (video, RTSP vb.) giden yol. Yalnızca Çözümler komut satırı arayüzü (CLI) ile kullanılabilir. |
figsize | tuple[int, int] | (12.8, 7.2) | Isı haritaları veya grafikler gibi analitik çizelgeleri için şekil boyutu. |
fps | float | 30.0 | Hız hesaplamaları için kullanılan saniye başına kare sayısı. |
max_hist | int | 5 | Hız/yön hesaplamaları için nesne başına izlenecek maksimum geçmiş nokta sayısı. |
meter_per_pixel | float | 0.05 | Piksel mesafesini gerçek dünya birimlerine dönüştürmek için kullanılan ölçeklendirme faktörü. |
max_speed | int | 120 | Görsel katmanlardaki maksimum hız sınırı (uyarılarda kullanılır). |
data | str | 'images' | Benzerlik araması için kullanılan görüntü dizinine giden yol. |
imgsz | int | 640 | Model çıkarımı için girdi görüntü boyutu. |
Çözümler ayrıca track içerisindeki conf, line_width, tracker, model, show, verbose ve classes gibi parametreleri de destekler.
| Argüman | Tip | 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 | 0.1 | 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. |
Görselleştirmeyi özelleştirmek için show_conf, show_labels ve belirtilen diğer argümanları kullanabilirsin.
| 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 sectionSolutionAnnotator Kullanımı#
All Ultralytics Solutions use the separate class SolutionAnnotator, that extends the main Annotator class, and have the following methods:
| Yöntem | Dönüş Türü | Açıklama |
|---|---|---|
draw_region() | None | Belirtilen noktaları, renkleri ve kalınlığı kullanarak bir bölge çizer. |
queue_counts_display() | None | Belirtilen bölgedeki sıra sayılarını görüntüler. |
display_analytics() | None | Otopark yönetimi için genel istatistikleri görüntüler. |
estimate_pose_angle() | float | Bir nesne duruşundaki üç nokta arasındaki açıyı hesaplar. |
draw_specific_kpts() | np.ndarray | Görüntü üzerindeki belirli anahtar noktaları çizer. |
plot_workout_information() | int | Görüntü üzerine etiketli bir metin kutusu çizer. |
plot_angle_and_count_and_stage() | None | Antrenman takibi için açıyı, adım sayısını ve aşamayı görselleştirir. |
plot_distance_and_line() | None | Merkez noktaları arasındaki mesafeyi görüntüler ve onları bir çizgiyle birleştirir. |
display_objects_labels() | None | Sınırlayıcı kutuları nesne sınıfı etiketleriyle notlandırır. |
sweep_annotator() | None | Dikey bir tarama çizgisini ve isteğe bağlı etiketi görselleştirir. |
visioneye() | None | Nesne merkezlerini görsel bir "göz" noktasına eşler ve bağlar. |
adaptive_label() | None | Bir sınırlayıcı kutunun merkezinde dairesel veya dikdörtgen bir arka plan etiketi çizer. |
Link to this sectionSolutionResults ile Çalışmak#
Similarity Search hariç, her Solution çağrısı bir SolutionResults nesnesi döndürür.
- Nesne sayımı için sonuçlar
in_count,out_countveclasswise_countiçerir.
import cv2
from ultralytics import solutions
im0 = cv2.imread("path/to/img")
region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]
counter = solutions.ObjectCounter(
show=True, # display the output
region=region_points, # pass region points
model="yolo26n.pt", # model="yolo26n-obb.pt" for object counting with OBB model.
# classes=[0, 2], # count specific classes i.e. person and car with COCO pretrained model.
# tracker="botsort.yaml" # Choose trackers i.e "bytetrack.yaml"
)
results = counter(im0)
print(results.in_count) # display in_counts
print(results.out_count) # display out_counts
print(results.classwise_count) # display classwise_countSolutionResults nesnesi aşağıdaki özniteliklere sahiptir:
| Öznitelik | Tip | Açıklama |
|---|---|---|
plot_im | np.ndarray | Sayılar, bulanıklık efektleri veya çözüme özel geliştirmeler gibi görsel katmanlara sahip görüntü. |
in_count | int | Video akışında tanımlanan alana girdiği tespit edilen toplam nesne sayısı. |
out_count | int | Video akışında tanımlanan alandan çıktığı tespit edilen toplam nesne sayısı. |
classwise_count | Dict[str, int] | Gelişmiş analizler için sınıf bazlı giriş/çıkış nesne sayılarını kaydeden sözlük. |
queue_count | int | Önceden tanımlanmış bir sırada veya bekleme alanında şu anda bulunan nesne sayısı (sıra yönetimi için uygundur). |
workout_count | int | list[int] | Toplam antrenman tekrar sayısı veya AI Gym'den kişi başı sayımlar. |
workout_angle | float | list[float] | Hesaplanan eklem veya poz açısı ya da AI Gym'den kişi başı açılar. |
workout_stage | str | list[str] | Mevcut antrenman aşaması veya AI Gym'den kişi başı aşamalar. |
pixels_distance | float | İki nesne veya nokta (ör. sınırlayıcı kutular) arasındaki piksel tabanlı mesafe. (Mesafe hesaplaması için uygundur). |
available_slots | int | İzlenen bir alandaki boş yuva sayısı (otopark yönetimi için uygundur). |
filled_slots | int | İzlenen bir alandaki dolu yuva sayısı. (otopark yönetimi için uygundur) |
email_sent | bool | Bir bildirim veya uyarı e-postasının başarıyla gönderilip gönderilmediğini belirtir (güvenlik alarmı için uygundur). |
total_tracks | int | Video analizi sırasında gözlemlenen toplam benzersiz nesne izi sayısı. |
region_counts | Dict[str, int] | Kullanıcı tanımlı bölgeler veya alanlar içindeki nesne sayıları. |
speed_dict | Dict[str, float] | Hız analizi için yararlı, iz bazında hesaplanmış nesne hızlarını içeren sözlük. |
total_crop_objects | int | ObjectCropper çözümü tarafından üretilen toplam kırpılmış nesne görüntüsü sayısı. |
speed | Dict[str, float] | İzleme ve çözüm işleme için performans metriklerini içeren sözlük. |
Daha fazla detay için SolutionResults sınıfı dokümantasyonuna göz at.
Link to this sectionCLI ile Çözüm Kullanımı#
Çözümlerin çoğu, aşağıdakiler dahil olmak üzere doğrudan komut satırı arayüzü üzerinden kullanılabilir:
Count, Crop, Blur, Workout, Heatmap, Isegment, Visioneye, Speed, Queue, Analytics, Inference, Trackzone
Sözdizimi
yolo SOLUTIONS SOLUTION_NAME ARGS
- SOLUTIONS gerekli bir anahtar kelimedir.
- SOLUTION_NAME şunlardan biridir:
['count', 'crop', 'blur', 'workout', 'heatmap', 'isegment', 'queue', 'speed', 'analytics', 'trackzone', 'inference', 'visioneye', 'region', 'security', 'parking']. - ARGS (optional) are custom
arg=valuepairs, such asshow_in=True, to override default settings.
yolo solutions count show=True # for object counting
yolo solutions count source="path/to/video.mp4" # specify video file pathLink to this sectionÇözümlerimize Katkıda Bulun#
Topluluktan gelecek katkıları memnuniyetle karşılıyoruz! Eğer Ultralytics YOLO'nun çözümlerimizde henüz ele alınmamış belirli bir alanında uzmanlaştıysan, deneyimini paylaşmanı teşvik ediyoruz. Bir rehber yazmak, topluluğa katkıda bulunmanın ve dokümantasyonumuzu daha kapsamlı ve kullanıcı dostu hale getirmemize yardımcı olmanın harika bir yoludur.
Başlamak için, bir Çekme İsteği (PR) 🛠️ açma yönergeleri için lütfen Katkıda Bulunma Rehberimizi okuyun. Katkılarını bekliyoruz!
Ultralytics YOLO ekosistemini daha sağlam ve çok yönlü hale getirmek için birlikte çalışalım 🙏!
Link to this sectionSSS#
Link to this sectionGerçek zamanlı nesne sayımı için Ultralytics YOLO'yu nasıl kullanabilirim?#
Ultralytics YOLO26, gelişmiş nesne algılama yeteneklerinden yararlanılarak gerçek zamanlı nesne sayımı için kullanılabilir. YOLO26'yı canlı video akışı analizi için kurmak üzere Nesne Sayımı hakkındaki ayrıntılı rehberimizi takip edebilirsin. Sadece YOLO26'yı yükle, modelini yükle ve nesneleri dinamik olarak saymak için video karelerini işle.
Link to this sectionUltralytics YOLO'yu güvenlik sistemleri için kullanmanın avantajları nelerdir?#
Ultralytics YOLO26, gerçek zamanlı nesne algılama ve uyarı mekanizmaları sunarak güvenlik sistemlerini geliştirir. YOLO26 kullanarak, gözetim alanında yeni nesneler algılandığında uyarı veren bir güvenlik alarm sistemi oluşturabilirsin. Sağlam bir güvenlik izleme için YOLO26 ile nasıl Güvenlik Alarm Sistemi kurulacağını öğren.
Link to this sectionUltralytics YOLO, sıra yönetimi sistemlerini nasıl iyileştirebilir?#
Ultralytics YOLO26, sıralardaki insanları doğru bir şekilde sayıp takip ederek bekleme sürelerini azaltmaya ve hizmet verimliliğini optimize etmeye yardımcı olarak sıra yönetimi sistemlerini önemli ölçüde iyileştirebilir. Etkili sıra izleme ve analizi için YOLO26'nın nasıl uygulanacağını öğrenmek üzere Sıra Yönetimi hakkındaki ayrıntılı rehberimizi takip et.
Link to this sectionUltralytics YOLO antrenman takibi için kullanılabilir mi?#
Evet, Ultralytics YOLO26, fitness rutinlerini gerçek zamanlı olarak takip edip analiz ederek antrenmanları izlemek için etkili bir şekilde kullanılabilir. Bu, egzersiz formunun ve performansının hassas bir şekilde değerlendirilmesini sağlar. YOLO26 kullanarak yapay zeka destekli bir antrenman takip sistemi kurmayı öğrenmek için Antrenman İzleme rehberimizi keşfet.
Link to this sectionUltralytics YOLO, veri görselleştirme için ısı haritaları oluşturmaya nasıl yardımcı olur?#
Ultralytics YOLO26, belirli bir alandaki veri yoğunluğunu görselleştirmek için ısı haritaları üretebilir ve yüksek aktivite veya ilgi çeken bölgeleri vurgulayabilir. Bu özellik, çeşitli bilgisayarlı görü görevlerindeki modelleri ve trendleri anlamada özellikle yararlıdır. Kapsamlı veri analizi ve görselleştirme için YOLO26 ile Isı Haritaları oluşturma ve kullanma hakkında daha fazla bilgi edin.