Ultralytics YOLOv8 ile nesne algılama ve takip

Bugün, Ultralytics YOLOv8 ile çıktığımız yolculuğun yeni bir bölümünü ele alıyoruz. Bu bölümde, birçok sektördeki uygulamaları mümkün kılan bilgisayarlı görünün temel bir unsuru olan nesne tespiti ve takibe odaklanıyoruz. Nicolai Nielsen ile birlikte YOLOv8 modelinin bu alandaki yeteneklerini keşfet.

Nesne tespiti ve takibi, gözetim sistemlerinden endüstriyel otomasyona kadar çeşitli senaryolarda kritik rol oynar. Ultralytics YOLOv8 ile bu yetenekleri kolayca kullanmaya başlayabilirsin. Nicolai, önemli noktaları vurgulayıp uygulamalı demolar göstererek süreci adım adım anlatıyor.

Başlangıç#

Nesne algılama ve izlemenin ayrıntılarına geçmeden önce Nicolai, Ultralytics YOLOv8'in çok yönlülüğünü vurguluyor. İster kalabalık bir alandaki kişileri belirlemek, ister üretim hattındaki nesneleri izlemek olsun, YOLOv8 sağlam bir çözüm sunuyor.

Model kurulumu#

Nicolai, bu videoda Visual Studio Code kullanarak Ultralytics YOLOv8 modelini nesne tespiti ve takibi için nasıl yapılandıracağını gösteriyor. Orta boyutlu modeli kullanarak yetenekli donanımlarda daha büyük modellerin bile gerçek zamanlı çalışabileceğini gösteriyor.

İzleyiciyi yapılandırma#

Nesne takibinde doğru takipçiyi seçmek önemlidir. Nicolai, doğruluğu ve güvenilirliğiyle bilinen ByteTrack algoritmasını tanıtıyor. Ayrıca farklı takip gereksinimlerini karşılayan BoT-SORT gibi alternatif takipçilerden söz ederek Ultralytics YOLOv8'in çok yönlülüğünü vurguluyor.

Gerçek zamanlı çıkarım#

Model ve izleyici yapılandırıldığına göre, Ultralytics YOLOv8'i çalışırken görme zamanı. Bu eğitimde, programın nasıl çalıştığını ve önceden kaydedilmiş bir video kullanarak nesne algılama ve izleme işlemlerini canlı olarak nasıl gerçekleştirdiğini görebiliriz. Her nesneye benzersiz bir kimlik atanır; böylece nesne kareden kareye takip edilebilir.

Şekil 1. Nicolai Nielsen, Ultralytics YOLOv8 ile nesne algılama ve izlemenin işleyişini gösterirken.

Canlı web kamerasıyla test#

Gösterimi bir adım ileri taşıyarak gerçek zamanlı izleme yeteneklerini göstermek için canlı web kamerası görüntüsüne nasıl geçilebildiğini görüyoruz. Ultralytics YOLOv8, kişileri algılamaktan nesneleri belirlemeye kadar kamera hareketleri ve nesne örtülmeleri sırasında bile tutarlı izleme performansını koruyor.

Birden fazla akışta nesne izleme#

Çok iş parçacıklı işlemeyle birden fazla video akışındaki nesneleri izlemek, çok sayıda gözetim kamerası akışını yönetmek için idealdir. Python'ın iş parçacığı modülü Ultralytics YOLOv8 ile birlikte kullanıldığında her iş parçacığı ayrı bir izleyici örneğini yöneterek verimli arka plan işlemeyi mümkün kılar. Bu özellik kullanışlıdır ve gelişmiş analitikte önemli bir rol oynar.

Pratik uygulamalar#

Gösteri ilerledikçe Nicolai, nesne algılama ve izlemenin pratikteki önemini vurguluyor. Sağlık sektöründen tarıma ve imalat sektörüne kadar uygulama alanları geniş ve çeşitlidir. Ayrıca verimliliği ve doğruluğu artırmak için algılamanın yanı sıra izleme işlevlerini entegre etmenin önemini vurguluyor.

Kapanış#

Sonuç olarak, nesne algılama ve izleme için sayısız uygulama, her sektörde esnek çözümler ve yaratıcı yaklaşımlar sunar. Ultralytics YOLOv8 ile bilgisayarlı görü alanında neler yapılabileceğini birlikte keşfedelim.

Yapay zekâ ve makine öğreniminin sürekli değişen dünyasını keşfetmeye devam ederken gelişmeleri takip et ve topluluğumuza katıl.