Ultralytics Çözümleri: Gerçek Dünya Problemlerini Çözmek için YOLO26'dan Yararlanın
Ultralytics Çözümleri, YOLO modellerinin en ileri düzey uygulamalarını sunarak nesne sayma, bulanıklaştırma ve güvenlik sistemleri gibi gerçek dünya çözümleri sağlar ve 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 🚀
Çözümler
Harika bilgisayarlı görü projeleri oluşturmak için kullanabileceğin, özenle hazırlanmış Ultralytics çözüm listemiz burada.
- Analitik: Tanımlayıcı, tahmine dayalı ve kuralcı analitik için YOLO26'dan yararlanarak desenleri keşfetmek ve bilinçli kararlar almak üzere kapsamlı veri analizi gerçekleştir.
- 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 genelindeki veri yoğunluğunu görselleştirmek için tespit ısı haritalarını kullan.
- Nesne Takibi ile Örnek Bölümleme: Hassas nesne sınırlarına ulaşmak ve sürekli izleme sağlamak için YOLO26 ile örnek bölümleme ve nesne takibi uygula.
- Streamlit ile Canlı Çıkarım: Kullanıcı dostu Streamlit arayüzü ile doğrudan web tarayıcın üzerinden gerçek zamanlı nesne tespiti yapmak için YOLO26'nın gücünden faydalan.
- 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 sayma konusunda uzmanlık kazan.
- Bölgelerde Nesne Sayma: Farklı alanlarda doğru tespit için YOLO26 kullanarak belirli bölgelerdeki nesneleri say.
- Nesne Kırpma: Görüntülerden ve videolardan nesneleri hassas bir şekilde çıkarmak için YOLO26 ile nesne kırpma konusunda uzmanlaş.
- Otopark Yönetimi: Alan kullanımını ve kullanıcı deneyimini optimize ederek YOLO26 ile park alanlarındaki araç akışını düzenle ve yönet.
- Sıra Yönetimi: YOLO26 kullanarak bekleme sürelerini en aza indirmek ve üretkenliği artırmak için verimli sıra yönetimi sistemleri kur.
- Güvenlik Alarm Sistemi: Yeni nesneler tespit edildiğinde uyarı tetikleyen bir YOLO26 güvenlik alarm sistemi oluştur. Sistemi özel ihtiyaçlarına göre özelleştir.
- Benzerlik Araması: OpenAI CLIP gömmelerini Meta FAISS ile birleştirerek "çanta tutan kişi" veya "hareket halindeki araçlar" gibi doğal dilde sorgulara olanak tanıyan akıllı görüntü erişimini etkinleştir.
- Hız Tahmini: Otonom araçlar ve trafik izleme gibi uygulamalar için kritik olan YOLO26 ve nesne takibi tekniklerini kullanarak nesne hızını tahmin et.
- Bölge İçindeki Nesneleri Takip Et: Hassas ve verimli izleme için YOLO26 kullanarak video karelerinin belirli bölgelerindeki nesneleri nasıl takip edeceğini öğren.
- VisionEye Nesne Eşleme: İnsan gözünün belirli nesnelere odaklanmasını taklit eden sistemler geliştirerek bilgisayarın detayları ayırt etme ve önceliklendirme yeteneğini geliştir.
- Antrenman İzleme: YOLO26 kullanarak antrenmanları nasıl izleyeceğini keşfet. Çeşitli fitness rutinlerini gerçek zamanlı olarak takip etmeyi ve analiz etmeyi öğren.
Çözüm Argümanları
| Argüman | Tür | Varsayılan | Açıklama |
|---|---|---|---|
model | str | None | Bir Ultralytics YOLO model dosyasına giden yol. |
region | list | '[(20, 400), (1260, 400)]' | Sayım 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, bar, area veya pie. |
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' poz 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' poz için açı eşiği. |
blur_ratio | float | 0.5 | 0.1 - 1.0 aralığındaki değerlerle bulanıklık yoğunluğunun yüzdesini ayarlar. |
crop_dir | str | 'cropped-detections' | Kırpılmış tespitleri saklamak için dizin adı. |
records | int | 5 | Güvenlik alarm sistemi ile e-posta tetiklemek için toplam tespit sayısı. |
vision_point | tuple[int, int] | (20, 20) | VisionEye Çözümü kullanılarak vizyonun nesneleri takip edeceği 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 analiz çizelgeleri için figür boyutu. |
fps | float | 30.0 | Hız hesaplamaları için kullanılan saniyedeki 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. |
Solutions also support some of the arguments from track, including parameters such as conf, line_width, tracker, model, show, verbose and classes.
| Argüman | Tür | Varsayılan | Açıklama |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Kullanılacak takip algoritmasını belirtir, örneğin bytetrack.yaml veya botsort.yaml. |
conf | float | 0.1 | Tespitler için güven eşiğini belirler; daha düşük değerler daha fazla nesnenin takip edilmesine izin verir ancak hatalı pozitifleri içerebilir. |
iou | float | 0.7 | Çakışan tespitleri filtrelemek için Birleşim Üzerinde Kesişim (IoU) eşiğini belirler. |
classes | list | None | Sonuçları sınıf dizinine göre filtreler. Örneğin, classes=[0, 2, 3] sadece belirtilen sınıfları takip eder. |
verbose | bool | True | Takip edilen nesnelerin görsel bir çıktısını sağlayarak takip sonuçlarının görüntülenmesini kontrol eder. |
device | str | None | Çıkarım için cihazı belirtir (örneğin cpu, cuda:0 veya 0). Kullanıcıların model yürütme için CPU, belirli bir GPU veya diğer bilgi işlem cihazları arasında seçim yapmasına olanak tanır. |
Görselleştirmeyi özelleştirmek için show_conf, show_labels ve belirtilen diğer argümanları kullanabilirsin.
| Argüman | Tür | Varsayılan | Açıklama |
|---|---|---|---|
show | bool | False | Eğer 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 kalınlığını belirtir. None ise, çizgi kalınlığı otomatik olarak görüntü boyutuna göre ayarlanır. Netlik için görsel özelleştirme sağlar. |
show_conf | bool | True | Etiketle birlikte her tespit için güven puanını görüntüler. Her bir tespit için modelin kesinliği hakkında fikir verir. |
show_labels | bool | True | Görsel çıktıda her tespit için etiketleri görüntüler. Tespit edilen nesnelerin anında anlaşılmasını sağlar. |
SolutionAnnotator 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_points() | None | Görüntü üzerine belirli anahtar noktaları çizer. |
plot_workout_information() | None | Görüntü üzerine etiketli bir metin kutusu çizer. |
plot_angle_and_count_and_stage() | None | Antrenman izleme için açıyı, tekrar sayısını ve aşamayı görselleştirir. |
plot_distance_and_line() | None | Merkezler arasındaki mesafeyi görüntüler ve onları bir çizgiyle birleştirir. |
display_objects_labels() | None | Sınırlayıcı kutuları nesne sınıfı etiketleriyle notlar. |
sweep_annotator() | None | Dikey bir tarama çizgisini ve isteğe bağlı etiketi görselleştir. |
visioneye() | None | Nesne merkezlerini görsel bir "göz" noktasına eşler ve bağlar. |
adaptive_label() | None | Bir sınırlayıcı kutunun merkezinde dairesel veya dikdörtgen bir arka plan şekli etiketi çiz. |
SolutionResults ile Çalışma
Except Similarity Search, each Solution call returns a list of SolutionResults objects.
- 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:
| Nitelik | Tür | Açıklama |
|---|---|---|
plot_im | np.ndarray | Sayılar, bulanıklaştırma efektleri veya çözüme özel iyileştirmeler gibi görsel katmanlara sahip görüntü. |
in_count | int | Video akışında tanımlanan bölgeye girdiği tespit edilen toplam nesne sayısı. |
out_count | int | Video akışında tanımlanan bölgeden çıktığı tespit edilen toplam nesne sayısı. |
classwise_count | Dict[str, int] | Gelişmiş analitik için sınıf bazında giriş/çıkış nesne sayılarını kaydeden sözlük. |
queue_count | int | Şu anda önceden tanımlanmış bir sıra veya bekleme alanında bulunan nesne sayısı (sıra yönetimi için uygundur). |
workout_count | int | Egzersiz takibi sırasında tamamlanan toplam antrenman tekrar sayısı. |
workout_angle | float | Form değerlendirmesi için antrenman sırasında hesaplanan eklem veya duruş açısı. |
workout_stage | str | Mevcut antrenman aşaması veya hareket evresi (örneğin 'yukarı', 'aşağı'). |
pixels_distance | float | İki nesne veya nokta (örneğin sınırlayıcı kutular) arasındaki piksel tabanlı mesafe. (Mesafe hesaplama için uygundur). |
available_slots | int | İzlenen bir alandaki boş park yeri sayısı (otopark yönetimi için uygundur). |
filled_slots | int | İzlenen bir alandaki dolu park yeri 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 takip sayısı. |
region_counts | Dict[str, int] | Kullanıcı tanımlı bölgeler veya alanlar içindeki nesne sayıları. |
speed_dict | Dict[str, float] | Hız analizi için faydalı olan, takip bazında hesaplanmış nesne hızları sözlüğü. |
total_crop_objects | int | ObjectCropper çözümü tarafından üretilen toplam kırpılmış nesne görüntüsü sayısı. |
speed | Dict[str, float] | Takip ve çözüm işleme için performans metriklerini içeren sözlük. |
Daha fazla ayrıntı için SolutionResults sınıfı dokümantasyonuna başvurun.
CLI ile Çözüm Kullanımı
Çözümlerin çoğu, aşağıdakiler dahil olmak üzere komut satırı arayüzü aracılığıyla doğrudan 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']. - 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 pathÇözümlerimize Katkıda Bulunun
Topluluktan gelen katkıları memnuniyetle karşılıyoruz! Eğer çözümlerimizde henüz yer almayan belirli bir Ultralytics YOLO konusuna hakimsen, uzmanlığını paylaşmanı teşvik ediyoruz. Bir rehber yazmak, topluluğa geri vermek ve dokümantasyonumuzu daha kapsamlı ve kullanıcı dostu hale getirmemize yardımcı olmak için harika bir yoldur.
Başlamak için, bir Pull Request (PR) açma konusunda yönergeler için lütfen Katkıda Bulunma Rehberimizi oku 🛠️. Katkılarını bekliyoruz!
Ultralytics YOLO ekosistemini daha güçlü ve çok yönlü hale getirmek için birlikte çalışalım 🙏!
SSS
Ultralytics YOLO'yu gerçek zamanlı nesne sayımı için nasıl kullanabilirim?
Ultralytics YOLO26, gelişmiş nesne algılama yeteneklerinden yararlanarak 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.
Ultralytics YOLO'yu güvenlik sistemlerinde kullanmanın faydaları nelerdir?
Ultralytics YOLO26, gerçek zamanlı nesne algılama ve uyarı mekanizmaları sunarak güvenlik sistemlerini geliştirir. YOLO26'yı kullanarak, izleme alanında yeni nesneler algılandığında uyarı veren bir güvenlik alarm sistemi oluşturabilirsin. Güçlü bir güvenlik izleme için YOLO26 ile nasıl Güvenlik Alarm Sistemi kuracağını öğren.
Ultralytics YOLO, sıra yönetimi sistemlerini nasıl iyileştirebilir?
Ultralytics YOLO26, sıralardaki insanları doğru bir şekilde sayıp takip ederek sıra yönetimi sistemlerini önemli ölçüde iyileştirebilir, böylece bekleme sürelerini azaltmaya ve hizmet verimliliğini optimize etmeye yardımcı olur. Etkili sıra izleme ve analizi için YOLO26'yı nasıl uygulayacağını öğrenmek üzere Sıra Yönetimi hakkındaki ayrıntılı rehberimizi takip et.
Ultralytics YOLO antrenman takibi için kullanılabilir mi?
Evet, Ultralytics YOLO26, fitness rutinlerini gerçek zamanlı olarak takip edip analiz ederek antrenman takibi 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 Takibi rehberimizi keşfet.
Veri görselleştirme için Ultralytics YOLO ısı haritaları oluşturmaya nasıl yardımcı olur?
Ultralytics YOLO26, belirli bir alandaki veri yoğunluğunu görselleştirmek için ısı haritaları üretebilir, yüksek aktivite veya ilgi çeken bölgeleri vurgulayabilir. Bu özellik, çeşitli bilgisayarlı görü görevlerindeki kalıpları ve eğilimleri anlamada özellikle yararlıdır. Kapsamlı veri analizi ve görselleştirme için YOLO26 ile Isı Haritaları oluşturma ve kullanma hakkında daha fazla bilgi edin.