Ultralytics YOLOv8'den çıktıları çıkarma

Sürekli değişen bilgisayarlı görü alanında, Ultralytics YOLOv8, nesne tespiti, bölütleme ve takibi gibi görevler için üst düzey bir model olarak öne çıkmaktadır. İster deneyimli bir geliştirici ister yapay zeka (AI) dünyasında yeni biri ol, YOLOv8'den çıktıları nasıl etkili bir şekilde çıkaracağını anlamak projelerini önemli ölçüde geliştirebilir. Bu blog yazısı, YOLOv8 modelinden sonuçları çıkarmak ve kullanmak için pratik adımları ele almaktadır.

Ultralytics YOLOv8 Kurulumu#

Sonuçları çıkarmaya başlamadan önce, Ultralytics YOLOv8 modelini kurup çalışır duruma getirmen çok önemlidir. Yeni başladıysan, YOLO modellerinin temel kurulumunu ve çeşitli bilgisayarla görü görevlerinde nasıl kullanılacağını ele aldığımız önceki videolarımızı izleyebilirsin. Sonuçları çıkarmaya başlamak için modelinin doğru yapılandırıldığından emin ol:

1. Model Başlatma: Nesne tespiti veya poz tahmini gibi daha karmaşık görevler olsun, özel ihtiyaçlarına uygun doğru model yapılandırmasını seçtiğinden emin olarak Ultralytics YOLOv8 modelini uygun şekilde başlat.
2. Çıkarım Çalıştırma: Çıkarım gerçekleştirmek için verilerini modelden geçir. Bu işlem, tüm algılama verilerine erişmenin anahtarı olan bir sonuç nesnesi oluşturacaktır.

Sonuç nesnesini anlama#

Ultralytics YOLOv8 içindeki sonuçlar nesnesi bir bilgi hazinesidir. Projeye devam etmek için ihtiyaç duyduğun tüm tespit verilerini içerir, bunlara şunlar dahildir:

• Sınırlayıcı Kutular: Tespit edilen nesnelerin koordinatlarına erişmek için results.boxes kullan.
• Maskeler ve Anahtar Noktalar: Sırasıyla results.masks ve results.keypoints kullanarak poz tahmini için bölütleme maskelerine ve anahtar noktalara eriş.
• Sınıf Olasılıkları: results.probs, tespit edilen her sınıfın olasılığını sağlar; bu, tespitleri güven skorlarına göre filtrelemek için faydalıdır.

Özel kullanım için veri çıkarma#

Bu çıktıları uygulamalarında kullanmak için şu adımları izle:

1. İşleme için Veri Dönüştürme: Modelini bir GPU üzerinde çalıştırıyorsan, daha fazla manipülasyon için çıktıları .cpu() kullanarak CPU formatına dönüştür.
2. Sınırlayıcı Kutu Koordinatlarına Erişim: Sınırlayıcı kutu koordinatlarını doğrudan sonuç nesnesinden al ve işle. Buna normalleştirilmiş koordinatlara veya genişlik ve yükseklik gibi belirli niteliklere erişmek dahildir.
3. Sınıflandırmaları İşleme: Sınıf kimliklerini ve güven skorlarını etkili bir şekilde kullanmak için en iyi sınıflandırmaları çıkar.

Kodda pratik uygulama#

Teoriden pratiğe geçerken, Nicolai Nielsen bu kavramların Visual Studio Code kullanılarak özel bir Python betiğinde nasıl uygulanacağını gösteriyor. Betik şunları içerir:

• Bir Tespit Sınıfı Ayarlama: Ultralytics YOLOv8 modelini bir sınıf yapısı içinde başlat ve yapılandır, canlı veri girişine hazırla.
• Sonuçları Çıkarma: Algılamayı çalıştır ve sınırlayıcı kutuları, maskeleri ve sınıflandırmaları doğrudan sonuç nesnesinden çıkar.
• Çıktıları Kullanma: Sonuçları JSON veya CSV gibi kullanılabilir formatlara dönüştür ya da bunları görüntüler veya video akışları üzerinde sınırlayıcı kutular çizmek için doğrudan kullan.

Görselleştirme ve ötesi#

Ham verileri çıkarmak kritik olsa da, bu algılamaları görselleştirmek modelin performansı hakkında anlık içgörüler sağlayabilir:

• Dikdörtgen Çizme: Görüntü veya video çıktılarında algılanan nesnelerin etrafına dikdörtgenler çizmek için sınırlayıcı kutu verilerini kullan.
• Doğrudan Çizim: Ek kodlama yapmadan tespitleri doğrudan görselleştirmek için Ultralytics YOLOv8’in yerleşik çizim fonksiyonlarını kullan.

Yapay zeka araç setini Ultralytics YOLOv8 ile genişletmek#

Ultralytics YOLOv8 çıktı çıkarma işleminde uzmanlaşmak, yalnızca projenin yeteneklerini artırmakla kalmaz, aynı zamanda nesne tespiti sistemleri hakkındaki anlama yeteneğini de derinleştirir.

Adımları takip ederek, ister gelişmiş yapay zeka destekli uygulamalar geliştirmede ister sağlam veri analizi yürütmede olsun, tespitleri özel ihtiyaçlarına göre uyarlamak için Ultralytics YOLOv8'in tüm gücünden yararlanabilirsin.

Ultralytics YOLOv8 ve diğer yapay zeka teknolojilerinden en iyi şekilde yararlanmana yardımcı olacak daha fazla eğitim için takipte kal. Teorik bilgilerini pratik becerilere dönüştür ve bilgisayarla görü projelerini hassasiyet ve verimlilikle hayata geçir. En son gelişmelerden haberdar olmak için topluluğumuza katıl ve daha fazlasını öğrenmek için belgelerimize göz at!

Videoyu izle Watch the full video!