YOLO'yu lisansla
Ultralytics Platform

Ultralytics YOLO'da EXIF yönlendirmesi: Yan duran fotoğraflar veri kümelerini neden bozar

EXIF yönlendirme değerleri 5 ile 8 arasında olduğunda görüntünün genişliği ve yüksekliği yer değiştirir. Atlanan bir etiketin etiketleri nasıl hizasız bıraktığını ve Ultralytics'in etiketli görüntüleri artık nasıl doğru yönde okuduğunu öğren.

Sergiu WaxmannSergiu Waxmann12 dakikalık okuma
Siyah geçişli bir kapakta, yukarıdan çekilmiş ve açıklama eklenmiş bir yaya geçidi görüntüsünü gösteren Ultralytics Platform tam ekran görüntüleyicisi; yanında 6 değeri, saat yönünde 90 derece döndürme vurgulanmış EXIF yönlendirme değerleri tablosu ve EXIF yönlendirmesi açıklaması başlığı

Bir fotoğraf galerinde, tarayıcıda ve etiketleme aracında doğru yönde görünür. Ancak eğitim betiği görüntüyü yan dönmüş şekilde okur ve çizdiğin kutular görüntünün yanlış bölümüne denk gelebilir. Hiçbir şey hata vermez. Model yalnızca pikselleriyle artık eşleşmeyen etiketlerden öğrenir.

Aynı dosya için iki araç farklı referans çerçeveleri kullandığında etiketler ve pikseller birbirinden kayar; bunun bir nedeni EXIF yönlendirmesidir: pikseller kameranın kaydettiği gibi kalırken yazılıma görüntüyü ekranda göstermek için nasıl döndüreceğini söyleyen küçük bir meta veri etiketi. Bazı okuyucular etiketi uygular, bazıları uygulamaz. Bu kılavuzda etiketin ne olduğunu, veri etiketlemeyi ve eğitimi nasıl bozduğunu ve bir veri kümesinde bunun nasıl denetleneceğini açıklıyoruz. Ayrıca az önce kullanıma sunduğumuz iki özelliği de ele alıyoruz: Ultralytics 8.4.214, görüntüleri okurken EXIF yönlendirmesini artık tutarlı biçimde uyguluyor; Ultralytics Platform ise pikselleri yan duran dosyalar için artık görüntüyü ve açıklamalarını birlikte döndürebiliyor.

EXIF yönlendirmesi döndürme işlemi değil, bir görüntüleme talimatıdır#

Kamera, pikselleri sensörün okuduğu haliyle kaydedip piksel ızgarasını döndürmek yerine dosyanın EXIF meta verilerine bir Yönlendirme değeri (etiket 274 veya 0x0112) yazabilir. Bu etiketi dikkate alan bir görüntüleyici, görüntüyü göstermeden önce döndürür; etiketi yok sayan bir görüntüleyici ise ham ızgarayı gösterir. Diğer cihazlar kaydetmeden önce piksel verilerini döndürür; dolayısıyla bir fotoğrafın bu etiketi taşıyıp taşımaması, kullanılan cihaza ve o zamandan beri dosyaya işlem uygulayan yazılıma bağlıdır.

Etiket, ExifTool'un EXIF etiket başvurusunda listelenen sekiz değerden birini alır:

DeğerAnlamıGörüntülenen genişlik ve yükseklik
1Normal, değişiklik yokKaydedildiğiyle aynı
2Yatay aynalaKaydedildiğiyle aynı
3180° döndürKaydedildiğiyle aynı
4Dikey aynalaKaydedildiğiyle aynı
5Yatay aynala ve saat yönünde 270° döndürYer değiştirmiş
6Saat yönünde 90° döndürYer değiştirmiş
7Yatay aynala ve saat yönünde 90° döndürYer değiştirmiş
8Saat yönünde 270° döndürYer değiştirmiş

Bilgisayarlı görü açısından iki ayrıntı önemlidir. 5 ile 8 arasındaki değerler görüntülenen genişlik ve yüksekliği yer değiştirir; böylece kaydedilmiş 4000 x 3000 boyutundaki bir görüntü ekranda 3000 x 4000 olur. Ayrıca 2, 4, 5 ve 7 değerleri aynalamayı içerir; bu nedenle görüntü kabaca doğru yönde görünse bile metin ve sağ-sol düzeni tersine dönmüş olabilir. 6 etiketi taşıyan dikey fotoğraf, yan dönmüş durumun en bilinen örneğidir.

Yan duran fotoğraflar görüntü veri kümelerini neden sessizce bozar?#

Sınırlayıcı kutular, çokgenler ve anahtar noktalar, görüntüye göreli koordinatlar olarak saklanır; Ultralytics YOLO biçiminde bu koordinatlar görüntünün genişliğine ve yüksekliğine göre normalize edilir. Bu koordinatlar ancak tüm araçlar hangi görüntü çerçevesine ait oldukları konusunda aynı fikirdeyse anlam taşır.

Yukarıdan görülen yağmurlu bir yaya geçidi iki kez gösteriliyor. Sol: EXIF yönlendirmesi uygulanarak okunan, insan ve şemsiye YOLO26x algılamalarını içeren fotoğraf. Sağ: aynı dosyanın kaydedildiği haliyle, 90 derece döndürülmüş olarak okunması; aynı normalize edilmiş etiketler kaydedilmiş piksellere yerleştirilmiş

Yönlendirme değeri 6 olan tek bir JPEG, iki farklı biçimde okunuyor. Sol: yönlendirme uygulanmış, YOLO26x algılamalarıyla birlikte. Sağ: yönlendirme yok sayılmış, aynı normalize edilmiş etiketler kaydedilmiş piksellere yerleştirilmiş.

Etiketli görüntüler içeren bir veri kümesinde eşleşme şu şekilde bozulabilir:

  1. Etiketleyici, doğru yöndeki görüntüyü etiketler. Tarayıcı veya etiketleme aracı etiketi uyguluyorsa kişinin etrafındaki kutu, kişinin ekranda göründüğü yere oturur.
  2. Eğitim yükleyicisi kaydedilmiş ızgarayı okur. Kod çözücüsü etiketi atlıyorsa aynı normalize edilmiş kutu, 90 derece döndürülmüş piksellere yerleştirilir ve yanlış nesneyi ya da hiçbir şeyi kapsayabilir.
  3. Eğitim yine de çalışır. Koordinatlar hâlâ 0 ile 1 arasında kalır, dolayısıyla biçim denetimi hata vermez. Model eşleşmeyen çiftlerden öğrenir ve bu da gerçek görüntüler üzerindeki tahminlerini olumsuz etkileyebilir. Doğrulama bölümü de aynı uyumsuzluğu içeriyorsa ortalama hassasiyet sorunu işaret etmek yerine seni yanıltabilir.

Aynalanmış yönlendirmeleri fark etmek daha zordur; çünkü çevrilmiş bir görüntü hızlı bir görsel denetimden geçebilir. Bu yönlendirmeler metni tersine çevirir ve poz tahmini için sol ve sağ vücut işaret noktalarını etiketlerinden uzaklaştırır.

Bu sorun kolayca gizlenir. Telefon yüklemelerinden, saha denetimlerinden veya kitle kaynaklı fotoğraflardan oluşturulmuş bir veri kümesinde etiketli ve etiketsiz dosyalar bir arada bulunabilir; yalnızca etiketlerinden farklı bir çerçevede okunan görüntüler hizasız hale gelir. Ortaya çıkan zarar, işlem hattı hatasından çok gürültülü etiketlere benzer.

Aynı dosya OpenCV'de iki farklı biçimde okunabilir#

Görüntüleri OpenCV ile okuyorsan etiketin uygulanıp uygulanmaması, OpenCV'yi nasıl çağırdığına bağlıdır. OpenCV imread belgelerinde, IMREAD_IGNORE_ORIENTATION veya IMREAD_UNCHANGED iletilmediği sürece EXIF yönlendirmesinin uygulandığı belirtilir. Bu ikinci bayrağı kullanmak kolaydır: alfa kanalını veya ek bantları korumanın yolu budur.

Ultralytics paketini denetlediğimizde, okuma yolunun bayrağa, biçime ve OpenCV sürümüne bağlı olduğunu gördük. PR #27168 öncesinde imread, 2 ile 8 arasındaki yönlendirme değerlerinde şu şekilde davranıyordu:

Okuma8.4.214 öncesindeki sonuç
IMREAD_UNCHANGED ile okunan JPEG, PNG veya WebP (veri kümeleri ve channels değeri 1 veya 3 dışında olan modeller)Her OpenCV sürümünde kaydedildiği haliyle
Herhangi bir bayrakla okunan WebP, OpenCV 5.0 öncesiKaydedildiği haliyle
OpenCV 5.0 öncesinde predict("a.webp") ve predict(Image.open("a.webp"))İki farklı çerçeve
Renkli veya gri tonlamalı JPEG ve PNGDoğru yönde

Renkli ve gri tonlamalı JPEG ve PNG okumaları zaten doğru yöndeydi. Risk, channels değeri 1 veya 3 dışında olan veri kümelerinde, OpenCV 4.x'teki WebP dosyalarında ve WebP yolundaki tahminlerle PIL görüntüsündeki tahminlerin karşılaştırılmasındaydı. Örneğin channels: 4 kullanıldığında önbelleğe alınan görüntü şekli zaten doğru yöndeki şekil olurken pikseller doğru yönde değildi; bu nedenle döşemeler, dikdörtgen gruplar ve maske yeniden boyutlandırma işlemleri transpoze edilmiş bir şekil kullanıyordu.

Ultralytics 8.4.214, EXIF yönlendirmesini tutarlı biçimde uygular#

15 Kasım 2026'da yayımlanan 8.4.214 sürümünden itibaren imread, aşağıda listelenen birkaç uç durum dışında, desteklenen biçimlerde ve OpenCV sürümlerinde renkli, gri tonlamalı ve değiştirilmemiş okumalar için EXIF yönlendirmesini uygular. imread başvuru belgesinde amaç açıklanıyor: etiketler ve tahminler, görüntüleyicilerin gösterdiği çerçeveyi kullanır. Algılama veri kümesi belgelerinde artık etiket koordinatları için de aynı şey belirtiliyor; böylece bu kural veri kümesi hazırlayanların başvurduğu yerde yazılı hale geliyor.

Kısaca nasıl çalıştığı:

  • Farklı okuma yollarında tutarlılık. Veri kümesi görüntülerinin yüklenmesi ve tek görüntü yolundaki tahminler, ultralytics/utils/patches.py içindeki imread üzerinden yapılır; sınıflandırma veri kümeleri ve DOTA bölme işlemi de artık bunu kullanır. Liste olarak predict öğesine geçirilen görüntü yolları Pillow ile açılıp EXIF'e göre transpoze edilir; PIL görüntü girdileri de EXIF'e göre transpoze edilir. Böylece aşağıdaki uç durumlar dışında hepsi aynı doğru yönlü çerçeveyi üretir.
  • OpenCV'nin atladığı yerlerde etiketler uygulanır. Değiştirilmemiş okumalar ve tüm WebP okumaları için görüntü IMREAD_IGNORE_ORIENTATION ile kodu çözülerek açılır, ardından etiket diziye uygulanır. Böylece sonuç OpenCV sürümüne bağlı olmaz.
  • EXIF adımı dosya içeriğini denetler. Etiket, uzantısı uyuşmayan bir adla (örneğin .webp) kaydedilmiş JPEG'ler de dahil olmak üzere, eXIf parçası içeren JPEG, WebP ve PNG verilerine uygulanır. TIFF verileri, yönlendirme işlemini kendisi yapan OpenCV TIFF kod çözücüsüne bırakılır; AVIF ve HEIC ise Pillow'un exif_transpose özelliğini kullanır.
  • Pillow yalnızca gerektiğinde kullanılır. Önce PNG parçaları taranır; böylece Pillow yalnızca bir eXIf parçası varsa çağrılır.

Değişikliği Pillow 13.0.0 ile OpenCV 5.0.0, 4.12.0 ve 4.7.0 üzerinde doğruladık ve pikselleri Pillow'un exif_transpose özelliğiyle karşılaştırdık. JPEG, PNG (RGB ve RGBA) ve WebP (RGB ve RGBA) için sekiz yönlendirmenin tümü; renkli, gri tonlamalı ve değiştirilmemiş okumalarda doğru yönde okundu, toplam 45 birleşim test edildi. Etiketsiz görüntüler de eskisiyle aynı dizilere çözüldü.

Birkaç uç durumda yönlendirme kaydedildiği haliyle kalır: .tif veya .tiff uzantısıyla kaydedilmiş JPEG (gri tonlamalı okumalar hariç), IMREAD_IGNORE_ORIENTATION değerini bilerek ilettiğin JPEG ve PNG okumaları (WebP dosyaları yine doğru yöne döndürülür) ve Pillow'un varsayılan piksel sınırında yaklaşık 179 megapikselden büyük görüntülerin değiştirilmemiş JPEG veya PNG okumaları ile WebP okumaları. Bu durumlarda eğitimden önce yönlendirmeyi piksellere işleyerek uygula (aşağıdaki denetim adımlarına bak).

Veri kümesi önbelleği sürümü 1.0.13'e yükseltildi; bu nedenle eski şekilleri içeren etiket önbellekleri bir sonraki çalıştırmanda yeniden oluşturulur. Bir istisna: eXIf parçası görüntü verilerinden sonra gelen bir PNG'de pikseller doğru yönde okunur, ancak önbelleğe alınan şekil kaydedildiği gibi kalabilir. Bu PNG'lerin yönlendirmesini piksellere işleyerek uygula ve önbelleği yeniden oluştur.

Ultralytics Platform'da görüntüyü ve etiketlerini döndür#

Daha iyi bir okuyucu etiketli dosyaları işler. Ancak piksellerin kendisi yanlış yöndeyse yardımcı olamaz: yan beslenmiş bir tarama, baş aşağı dışa aktarılmış bir fotoğraf ya da yukarı akışta etiketi silinip geriye yalnızca kaydedilmiş ızgarası kalan bir dosya. Meta veriler bu görüntülerin hangi yöne bakması gerektiğini söyleyemez. Görüntülerin gerçekten döndürülmesi ve etiketlerinin de onlarla birlikte döndürülmesi gerekir.

Ultralytics Platform artık bunu veri kümesi galerisindeki tam ekran görüntüleyicide yapabiliyor. Düzenleme erişimin varsa görüntüyü ve açıklamalarını saat yönünde 90 derece döndürmek için R tuşuna bas veya döndürme düğmesine tıkla. Kutular, çokgenler ve anahtar noktalar piksellerle birlikte hareket eder; böylece açıklamalar tanımladıkları nesnelerin üzerinde kalır.

Verilerine nasıl işlem uyguladığı:

  • Tekrarlı bozulma olmaz. Platform görüntüyü ilk kaydedildiği haliyle korur ve her döndürmeyi bu özgün görüntüden oluşturur. Böylece tekrarlı döndürmeler görüntü kalitesini düşürmez, doğru yöne döndürmek de özgün halini geri getirir.
  • Döndürülen pikseller sonuca yansır. Platform döndürme bayrağı yazmak yerine kaydedilmiş pikselleri döndürür; bu nedenle dışa aktarılan veri kümelerine yeni alan eklenmez ve İndir seçeneği, ekranda gösterildiği gibi döndürülmüş tam boyutlu görüntüyü kaydeder.

Döndürme; derinlik veri kümeleri, çok bantlı veri kümeleri, TIFF olarak kaydedilmiş görüntüler, bulut depolama ve On Premise veri kümeleri için kullanılamaz.

Platform'un yükleme normalleştirmesi EXIF yönlendirmesini uygular. Etiket dosyayı doğru tanımlıyorsa görüntü doğru yönde gelir ve 5 ile 8 arasındaki değerler genişlik ile yüksekliğini de eşleşecek şekilde değiştirir. Görüntü hâlâ yanlış yöne bakıyorsa Döndür seçeneğini kullan.

Yan duran, 3000 x 2400 boyutlarında kaydedilmiş ve açıklamalar eklenmiş bir yaya geçidi görüntüsünü gösteren Ultralytics Platform tam ekran görüntüleyicisi; ayrıca Döndür işleminden sonra 2400 x 3000 boyutlarına gelen, kişi ve şemsiye kutuları da kendisiyle birlikte döndürülmüş aynı görüntü

Döndür işleminden önce ve sonra, Ultralytics Platform tam ekran görüntüleyicide yan duran bir görüntü. Görüntü 3000 x 2400 boyutundan 2400 x 3000 boyutuna gelir ve tüm açıklamalar da onunla birlikte döner.

Veri kümesinde EXIF yönlendirmesini denetleme ve düzeltme#

Önce etiketleri kontrol et. Bu betik, bir klasördeki Yönlendirme etiketi 1 dışında bir değere sahip JPEG, PNG ve WebP dosyalarını raporlar:

from pathlib import Path

from PIL import Image

for path in Path("datasets/my_data/images").rglob("*"):
    if path.suffix.lower() in {".jpg", ".jpeg", ".png", ".webp"}:
        with Image.open(path) as im:
            orientation = im.getexif().get(274, 1)  # 274, EXIF Yönlendirme etiketidir
        if orientation != 1:
            print(path, orientation)

Sonucun temiz olması, bu dosyaların hiçbirinde 1 dışında bir Yönlendirme değeri bulunmadığı anlamına gelir. Yanıltıcı uzantıya sahip dosyaları, kaydedilmiş pikselleri yan duran görüntüleri veya farklı bir çerçevede çizilmiş etiketleri yakalamaz. Ardından Ultralytics'in ne göreceğini doğrula; 8.4.214 veya sonraki sürümlerde imread, yukarıdaki uç durumlar dışında, görüntülenen çerçeveyi döndürür:

import cv2

from ultralytics.utils.patches import imread

img = imread("datasets/my_data/images/train/photo.jpg", cv2.IMREAD_UNCHANGED)
print(img.shape)  # (yükseklik, genişlik, kanal sayısı); görüntüleyicilerin gösterdiği biçimde

Bundan sonra düzeltme, etiketlerin nasıl oluşturulduğuna bağlıdır:

  1. Yükselt. 8.4.214 veya sonraki sürümü edinmek için pip install -U ultralytics komutunu çalıştır; böylece eğitim, doğrulama ve tahmin, yukarıdaki uç durumlara tabi olarak etiketli görüntü dosyalarını ve PIL görüntülerini görüntülenen çerçevede okur. NumPy dizileri ve tensörler EXIF etiketi taşımaz; bu nedenle bunları predict öğesine iletmeden önce doğru yönde olduklarından emin ol.
  2. Eski görüntü önbelleklerini temizle. Önceki çalıştırmalar görüntülerinin yanına .npy görüntü önbellekleri yazdıysa, sonraki çalıştırmanda cache=False kullanacak olsan bile, denetlemeden veya yeniden eğitimden önce Ultralytics'in oluşturduğu bu dosyaları sil; çünkü yükleyici mevcut dosyaları kullanmaya devam edebilir. İlgisiz NumPy dosyalarına dokunma; etiket önbellekleri kendiliğinden yeniden oluşturulur.
  3. Etiketli birkaç görüntüyü kontrol et. Etiketleri doğru yöndeki görüntünün üzerine çiz. Etiketleyiciler etiketi dikkate alan bir araçta çalıştıysa kutular yerine oturur.
  4. Etiketler kaydedilmiş ızgaranın üzerinde çizildiyse, bu durum etiketleri yok sayan betik veya araçlar nedeniyle oluşabilir; bu görüntüleri yeniden etiketle ya da etiketleri doğru yöndeki görüntüye dönüştür. Yalnızca pikselleri döndürmek uyumsuzluğu ortadan kaldırmaz.
  5. Pikselleri yanlış yöne bakan görüntüleri, açıklamaları da onlarla birlikte döndüren Platform'un Döndür işlemiyle düzelt, ardından yeniden eğitim yap.

Dosyaların her araçta aynı görünmesini sağlamak ve yukarıdaki uç durumların çoğunu kapsamak için Pillow'un ImageOps.exif_transpose özelliğiyle yönlendirmeyi piksellere işle ve bir kopya kaydet. Bunu etiketlemeden önce yap veya etiketleri de dönüştür. Pillow, varsayılan piksel sınırının üzerindeki görüntüler konusunda uyarır ve bu sınırın iki katından, yani yaklaşık 179 megapikselden büyük görüntüleri reddeder. Güvendiğin ve sınırı aşan görüntüler için açmadan önce Image.MAX_IMAGE_PIXELS değerini artır.

Daha kapsamlı bir eğitim öncesi kontrol listesi için Academy'nin veri kümesi kalite kontrolü ve açıklama kalitesi derslerinde, bu kontrolün yanında yapmaya değer diğer denetimler ele alınıyor.

Döndürme artırımı yönlendirme uyumsuzluğunu düzeltmez#

Eğitim sırasında rastgele döndürmenin yönlendirmeyi önemsiz kıldığını varsaymak cazip gelebilir. YOLO artırımı içindeki degrees ayarı gibi veri artırma yöntemleri görüntüyü ve etiketlerini birlikte döndürür; bu, eğitirken modelin eğik nesneleri tanımasını sağlarken ikisinin hizalı kalmasını sağlar. Yanlış EXIF okuması, artırma işlemi başlamadan önce görüntüyle etiketleri birbirinden ayırır; ardından ikisini birlikte döndürmek de ayrılığı korur.

Aynı mantık, sabit bir referans yönü olan görevler için de geçerlidir. Modelin Ultralytics YOLO26 ile Python'da OCR kılavuzumuzdaki gibi metinleri okuyorsa veya sağı soldan ayırt ediyorsa, aynalanmış bir yönlendirme yalnızca görüntünün açısını değil, anlamını da değiştirir.

EXIF yönlendirmesini kimler denetlemeli?#

Aşağıdakilerden biri verilerini tanımlıyorsa bu denetimi yap:

  • Telefon veya tablet fotoğrafları; saha denetimlerinden, mağaza incelemelerinden, sigorta taleplerinden ya da kitle kaynaklı veri toplamadan gelenler.
  • Birleştirilmiş farklı kaynaklar; bazı dosyalar etiket taşırken diğerlerinin taşımadığı tek bir veri kümesi.
  • WebP veri kümeleri veya channels değeri 1 ya da 3 dışında olan veri kümeleri; Ultralytics'in 8.4.214 öncesi sürümleriyle eğitilmiş.
  • Taranmış belgeler; sayfaların piksellerinde yan durabildiği ve gerçekten döndürülmesi gerektiği belgeler.

Veriler temizlendikten sonra, her etiketin tanımladığı piksellerin üzerinde durduğu aynı çalışma alanında bir Ultralytics YOLO26 modelini etiketleyebilir ve eğitebilirsin. Platform'da veri kümesini sağlıklı tutma hakkında daha fazla bilgi için Ultralytics Platform ile akıllı veri kümesi yönetimi içeriğine bak.

Sık sorulan sorular

  • EXIF yönlendirmesi, bir görüntü dosyasının 274 numaralı etiketinde saklanan ve yazılıma kaydedilmiş pikselleri görüntülemek için nasıl döndüreceğini veya aynalayacağını söyleyen, 1 ile 8 arasında bir meta veri değeridir. 1 değeri değişiklik olmadığı, 6 değeri ise saat yönünde 90 derece döndürme gerektiği anlamına gelir. Piksellerin kendisi döndürülmez; dolayısıyla etiketi yok sayan araçlar görüntüyü kaydedildiği haliyle, çoğu zaman yan dönmüş olarak gösterir.

  • Çoğu zaman dosyada, alan aracın uygulamadığı bir Yönlendirme etiketi bulunur. Telefonun ve tarayıcın etiketi dikkate alır; bu nedenle fotoğraf orada doğru yönde görünürken etiketi yok sayan bir kod çözücü kaydedilmiş ızgarayı gösterir. Kaydedilmiş pikseller yan duruyorsa ve bunları düzelten bir etiket yoksa görüntünün kendisini döndür.

  • Genellikle uygular. OpenCV'nin imread özelliği, IMREAD_IGNORE_ORIENTATION veya IMREAD_UNCHANGED iletmediğin sürece etiketi uygular; 5.0 öncesindeki sürümler WebP'yi de kaydedildiği haliyle bırakır. 8.4.214'ten itibaren Ultralytics'in kendi imread özelliği, test ettiğimiz tüm OpenCV sürümlerinde renkli, gri tonlamalı ve değiştirilmemiş okumalar için etiketi uygular.

  • Evet. Ultralytics 8.4.214'ten itibaren, .tif uzantısıyla kaydedilmiş bir JPEG gibi birkaç uç durum dışında, görüntü dosyaları ve PIL görüntüleri EXIF yönlendirmesi uygulanarak okunur; etiket koordinatları da görüntülenen aynı çerçeveye karşılık gelir. NumPy dizileri ve tensörlerde EXIF etiketi bulunmaz; bu nedenle tahminden önce doğru yönde olmaları gerekir.

  • Görüntüyü veri kümesinin tam ekran görüntüleyicisinde aç ve R tuşuna ya da döndürme düğmesine bas; her basış görüntüyü ve açıklamalarını saat yönünde 90 derece döndürür. Düzenleme erişimin olmalı; derinlik, multispektral veya TIFF görüntülerinde ya da bulut depolama ve On Premise veri kümelerinde döndürme kullanılamaz.

Yazan

Sergiu Waxmann
Sergiu Waxmann

Baş Yazılım Mühendisi · Ultralytics

Sergiu Waxmann, sezgisel ve dinamik web deneyimleri oluşturmaya odaklandığı Ultralytics'te Baş Web Geliştiricisidir. Modern web geliştirme çerçevelerinde uzmanlaşmış bir yazılım mühendisi olan Waxmann, Saxion Uygulamalı Bilimler Üniversitesi'nden Bilgisayar Yazılım Mühendisliği lisans derecesine sahiptir.

Yorumlar

Soru sor, sonuçlarını paylaş veya başka birine yardım et.

Çözümleri keşfet

Sporda bilgisayarlı görü

Sporda bilgisayarlı görü

Ultralytics YOLO'nun oyuncu ve top takibi, performans analitiği, antrenörlük içgörüleri ve sporcu rehabilitasyonuyla spor alanında görsel yapay zekâyı nasıl güçlendirdiğini keşfet.
Daha fazla bilgi edin
Hava görüntüleri için bilgisayarlı görü

Hava görüntüleri için bilgisayarlı görü

İHA ve hava görüntülerini Ultralytics YOLO ile tarım, su ürünleri yetiştiriciliği, koruma çalışmaları ve jeo-uzamsal analiz için gerçek zamanlı içgörülere dönüştür.
Daha fazla bilgi edin
Havacılıkta bilgisayarlı görü

Havacılıkta bilgisayarlı görü

Uçak denetimi, pistteki yabancı madde tespiti, havaalanı yer operasyonları ve kompozit malzeme kusurlarının tespiti için Ultralytics YOLO ile havacılık ve uzay sektöründe bilgisayarlı görü uygula.
Daha fazla bilgi edin
Güvenlikte bilgisayarlı görü

Güvenlikte bilgisayarlı görü

Ultralytics YOLO modelleriyle her sahayı koru. Görsel yapay zekâ; çevre izleme, tehdit tespiti, plaka tanıma ve iş yeri güvenliğini destekler.
Daha fazla bilgi edin
Robotikte bilgisayarlı görü

Robotikte bilgisayarlı görü

Ultralytics YOLO modelleriyle daha akıllı makinelere güç ver. Robotikte görsel yapay zekâ; otonom navigasyonu, algılamayı, nesne takibini ve gerçek zamanlı kontrolü destekler.
Daha fazla bilgi edin
Lojistikte bilgisayarlı görü

Lojistikte bilgisayarlı görü

Ultralytics YOLO modelleriyle lojistiği kolaylaştır. Görüntü yapay zekâsı; paket denetimini, ayrıştırmayı, araç takibini ve gerçek zamanlı depo güvenliği izlemeyi mümkün kılar.
Daha fazla bilgi edin
Perakendede bilgisayarlı görü

Perakendede bilgisayarlı görü

Ultralytics YOLO modelleriyle perakendeyi yeniden tasarla. Görüntü yapay zekâsı; envanter takibini, raf izlemeyi, kuyruk yönetimini ve daha kapsamlı müşteri analizlerini mümkün kılar.
Daha fazla bilgi edin
Sağlık hizmetlerinde bilgisayarlı görü

Sağlık hizmetlerinde bilgisayarlı görü

Ultralytics YOLO modelleriyle sağlık çözümleri geliştir. Sağlık hizmetlerinde görüntü yapay zekâsı; daha hızlı tıbbi görüntüleme, daha akıllı tanı ve hasta takibini mümkün kılar.
Daha fazla bilgi edin
Üretimde bilgisayarlı görü

Üretimde bilgisayarlı görü

Ultralytics YOLO modelleriyle üretimi optimize et. Görsel yapay zekâ; kalite kontrolünü, kusur tespitini, kişisel koruyucu donanım uyumunu ve montaj hattı otomasyonunu destekler.
Daha fazla bilgi edin
Otomotivde bilgisayarlı görü

Otomotivde bilgisayarlı görü

Ultralytics YOLO modelleriyle otomotivde bilgisayarlı görüden yararlan. Görsel yapay zekâ; daha akıllı yollar için yol güvenliğini, sürüş desteğini ve araç otomasyonunu ileri taşır.
Daha fazla bilgi edin
Tarımda bilgisayarlı görü

Tarımda bilgisayarlı görü

Ultralytics YOLO modelleriyle akıllı tarıma görüntü yapay zekâsı kazandır. Daha yüksek ve akıllı verim için mahsul izleme, hayvan takibi ve hassas tarımı destekle.
Daha fazla bilgi edin

Geleceğin yapay zekasını birlikte inşa edelim!

Makine öğreniminin geleceğine yolculuğuna başla