Yönlendirilmiş sınırlayıcı kutu (OBB) algılama nedir?

Nesneleri nasıl düzenlendiklerinden veya hangi yöne baktıklarından bağımsız olarak tanımak, biz insanlar için doğal bir şeydir. Bir kavşaktaki arabalar veya bir limandaki tekneler olsun, ne olduklarını ve hangi yöne baktıklarını kolayca anlayabiliriz. Ancak, yapay zeka (AI) sistemleri için bu o kadar basit değil.

Örneğin, görüntü ve videoları anlamaya odaklanan bir yapay zeka dalı olan bilgisayarlı görü, makinelerin bir sahne içindeki nesneleri tanımlamasına ve konumlandırmasına yardımcı olan nesne tespiti gibi görevleri mümkün kılar. Geleneksel nesne tespiti, nesnelerin etrafına kutular çizmek için eksen hizalı sınırlayıcı kutulara dayanır. Bu kutuların düz kenarları ve sabit dik açıları vardır. Bu yaklaşım, nesneler dik durduğunda ve birbirine çok yakın olmadığında iyi sonuç verir. 

Ancak nesneler eğildiğinde, döndürüldüğünde veya birbirine yakın olduğunda, geleneksel nesne algılama genellikle bunları doğru bir şekilde yakalamakta zorlanır. Bu daha karmaşık durumları ele almak için, yönlendirilmiş sınırlayıcı kutu (OBB) algılama gibi teknikler tanıtılmıştır. Standart sınırlayıcı kutulardan farklı olarak, OBB'ler nesnenin açısına ve şekline uyacak şekilde dönebilir, bu da daha sıkı ve daha doğru bir uyum sağlar.

Bilgisayarla görme modelleri gibi Ultralytics YOLO11OBB algılamayı destekleyen OBB algılama sistemleri, özellikle havadan gözetleme gibi nesne yöneliminin önemli olduğu senaryolarda bir dizi gerçek zamanlı uygulamaya olanak tanır. Bunun ötesinde, OBB algılama sağlık, tarım ve belge analizinde de kullanılmaktadır.

Bu makalede, OBB (Oriented Bounding Box) algılamanın ne olduğunu, nasıl çalıştığını ve gerçek dünya senaryolarında nerelerde uygulandığını inceleyeceğiz. Haydi başlayalım!

‍

Yönlendirilmiş sınırlayıcı kutu nedir?

Yönlendirilmiş sınırlayıcı kutu, bir görüntüdeki algılanan nesneleri temsil etmek için bilgisayarlı görmede kullanılan bir tür dikdörtgen kutudur. Standart sınırlayıcı kutular görüntünün yatay ve dikey eksenleriyle hizalanırken, OBB'ler nesnenin gerçek açısına uyacak şekilde dönebilir.

Bu döndürme yeteneği, masaya çeşitli avantajlar getiriyor. OBB'ler, bir nesnenin yönüyle daha yakından hizalanabilir ve kutunun nesnenin şekli ve yönü etrafına sıkıca oturmasını sağlar. Sonuç olarak, algılama daha doğru ve hassas hale gelir.

OBB'ler, özellikle nesneler mükemmel şekilde dik olmadığında kullanışlıdır; örneğin, havadan çekilmiş bir görüntüde kavisli bir yolda dönen bir araba, bir masanın üzerinde eğik duran bir kitap veya tıbbi bir taramada dönmüş bir tümör. Bir nesnenin açısıyla daha doğru eşleşerek, OBB'ler tespit performansını artırır, arka plan parazitini azaltır ve özellikle bir nesnenin yönünün konumu kadar önemli olduğu uygulamalar için mükemmeldir.

‍

OBB tespiti - nesne tespiti karşılaştırması

OBB (Eğimli Sınırlandırma Kutusu) tespiti ve geleneksel nesne tespiti ilk bakışta benzer görünebilir, ancak farklı şekillerde ve farklı durumlar için kullanılırlar. Bir örnekle karşılaştırmalı olarak nasıl olduklarına daha yakından bakalım.

YOLO11 gibi bilgisayarla görme modelleri, endüstriyel denetim gibi çeşitli gerçek dünya uygulamalarında nesneleri detect etmek ve classify için eğitilebilir. Farklı makine parçalarının bir konveyör bant boyunca hareket ettiği bir fabrika montaj hattını düşünün. Bazı parçalar düzgün bir şekilde yerleştirilmiş olabilir, ancak diğerleri titreşim veya hız nedeniyle hafifçe dönmüş, eğilmiş veya üst üste binmiş olabilir.

Geleneksel nesne tespiti, görüntünün yatay ve dikey kenarlarıyla hizalanan dik, dikdörtgen kutular kullanır. Bu nedenle, bir parça döndürüldüğünde, kutu düzgün şekilde oturmayabilir; nesnenin bir kısmını dışarıda bırakabilir veya arka planın çok fazla bölümünü içerebilir. Bu, tespitleri daha az doğru hale getirebilir ve sistemin parçayı güvenle tanımlamasını zorlaştırabilir.

Şimdi de OBB tespiti kullandığınızı varsayalım. Bu durumda, model her bir parçanın açısına uyacak şekilde dönen bir kutu çizebilir. Eğimli bir dişli veya açılı bir bileşen, şekline ve yönüne uyan bir kutu ile sıkıca çevrelenir. Bu, özellikle otomatik kalite kontrolü veya robotik ayıklama gibi kullanım durumlarında daha iyi hassasiyet, daha az hata ve daha güvenilir sonuçlar anlamına gelir.

Popüler OBB algılama modelleri

Artık OBB algılamanın ne olduğunu daha iyi anladığımıza göre, bunu destekleyen en yaygın kullanılan Vision AI modellerinden bazılarına bir göz atalım.

Döndürülmüş veya eğilmiş nesneleri tespit etmek için özel olarak birkaç gelişmiş bilgisayarla görme modeli geliştirilmiştir. Bunlar arasında, Ultralytics YOLO modelleri özellikle güvenilir ve verimli OBB algılama yetenekleriyle tanınmaktadır.

Daha önceki sürümler gibi Ultralytics YOLOv5 standart nesne tespiti için tasarlanmıştır. Daha sonraki yinelemeler, örneğin Ultralytics YOLOv8 ve daha yeni olan YOLO11, OBB tespiti için yerel desteği tanıttı. Özellikle YOLO11, hızdan ödün vermeden son teknoloji doğruluk sunar ve bu da onu gerçek zamanlı uygulamalar için etkili bir seçenek haline getirir.

obb gibi önceden eğitilmiş YOLO11 OBB modelleri, çeşitli açılarda ve yönlerde görünen uçaklar, gemiler ve tenis kortları gibi bir dizi nesne sınıfıyla açıklanmış hava görüntülerinden oluşan DOTAv1 gibi veri kümeleri üzerinde eğitilir. 

Ayrıca bu modeller, farklı performans ihtiyaçlarını karşılamak için nano (obb) ile ekstra büyük (obb) arasında beş farklı boyutta mevcuttur. Bu çok yönlülük, kentsel altyapının izlenmesi ve makinelerin denetlenmesinden taranan belgelerdeki çarpık metinlerin okunmasına kadar çeşitli sektörlerde uygulanmalarına olanak tanır.

Yönlendirilmiş sınırlayıcı kutu tespiti için özel eğitim YOLO11

Gerçek dünyadaki birçok durumda, detect etmeniz gereken nesneler standart eğitim veri kümelerindekilerden tamamen farklı olabilir. Örneğin, bir üretim hattındaki aletler, ürün paketleri veya devre kartındaki bileşenler gibi nesneler döndürülmüş, düzensiz yerleştirilmiş veya farklı şekillendirilmiş olabilir. 

Bu özel nesneleri doğru bir şekilde detect etmek için, özellikle de yönelim önemli olduğunda, YOLO11 gibi modelleri kendi görüntülerinizi ve etiketlerinizi kullanarak eğitmek önemlidir. Bu süreç özel eğitim olarak bilinir. 

İşte YOLO11 'i OBB tespiti için eğitmeye yönelik adım adım sürece daha yakından bir bakış:

• Görüntü koleksiyonu: Hedef nesnelerinizi farklı açılardan, konumlardan ve gerçek dünya ortamlarından gösteren resimleri toplayın.
  ‍
• Nesne açıklama (annotation): Hem konumlarını hem de yönlerini yakalamak için döndürülmüş sınırlayıcı kutular (OBB'ler) kullanarak her nesneyi OBB desteği olan açıklama araçlarıyla etiketleyin.
  ‍
• Veri kümesi hazırlığı: Görüntülerinizi ve etiketlerinizi YOLO dizin yapısında düzenleyin ve sınıf adlarınız ve veri kümesi yollarınızla bir YAML yapılandırma dosyası oluşturun.
  ‍
• Model eğitimi: YOLO11 modelinin ihtiyaçlarınıza uygun bir sürümünü seçin ve modelin etiketli görüntülerinizden öğrenebilmesi için eğitim sürecini çalıştırın.
  ‍
• Değerlendirme ve dağıtım: Eğitilmiş modelinizi yeni görüntüler üzerinde test edin, doğruluğunu değerlendirin ve üretim, hava gözetimi veya belge analizi gibi pratik uygulamalarda dağıtın.

OBB algılama ile sağlanan uygulamalar

Merkezden uzak veya eğimli nesneler gerçek hayattaki senaryolarda oldukça yaygındır. OBB algılamanın bu nesneleri doğru bir şekilde algılayarak gerçek bir fark yarattığı birkaç örneği inceleyelim.

OBB tespiti kullanarak X-ışını görüntü analizi

OBB tespiti, hassasiyeti artırarak tıbbi görüntü analizini bir adım öteye taşıyabilir. Tıbbi görüntüler genellikle tümörler, organlar veya kemikler gibi anatomik yapıları içerir. Bu yapılar çoğunlukla düzensiz şekillerde ve çeşitli yönlerde görünür. OBB'ler bir nesnenin açısına uyacak şekilde dönebildiğinden, tanı ve tedavi planlaması için kritik olan daha doğru lokalizasyon ve ölçüm sağlarlar.

Bu yaklaşım, kemiklerin pozisyonunun ve hizalanmasının önemli faktörler olduğu kemik kırıklarının röntgen görüntülerini analiz etmede özellikle etkilidir. Örneğin, OBB tespiti pediatrik dirsek röntgenlerini analiz etmek için kullanılmıştır. Kemiklerin yönüne uyum sağlayarak, algılama doğruluğunu artırmaya yardımcı oldu. 

‍

OBB algılama ile desteklenen hava gözetimi

Havadan gözetleme, kamu güvenliği, çevre izleme ve şehir planlama gibi sektörlerde önemli bir araçtır. Dronlar veya uydular tarafından çekilen görüntüler gemiler, araçlar ve binalar gibi nesnelerin tanımlanmasına yardımcı olabilir. Ancak bu görüntülerde nesneler genellikle küçük ve alışılmadık açılarda görünür, bu da doğru bir şekilde detect edilmelerini zorlaştırır.

OBB tespiti, sınırlandırma kutularını her nesnenin açısına uyacak şekilde eğerek bu sorunu çözer. Bu, bir nesnenin boyutu ve yönünün daha doğru ölçülmesine yol açar ve kentsel planlama, savunma, afet müdahalesi ve çevre izleme gibi alanlarda daha iyi karar almayı destekler.

OBB tespitinin ilginç bir örneği, deniz gözetiminde gemi takibidir. Uydu görüntüleri genellikle hava durumu, aydınlatma veya hareket nedeniyle gemileri farklı açılarda ve boyutlarda yakalar. OBB'ler bu değişikliklere uyum sağlayarak, özellikle daha küçük veya kısmen gizlenmiş gemiler için tespiti iyileştirebilir.

‍

Tarımda OBB (Oriented Bounding Box) tespiti kullanma

Hasattan sonra mahsulleri ayırmak, paketlenip pazara gönderilmeden önce kaliteyi sağlamak için çok önemli bir adımdır. Birçok sistem elma ve portakal gibi yuvarlak meyveler için iyi çalışırken, havuç veya Zizania filizleri gibi uzun ve dar mahsulleri işlemek çok daha zor olabilir. Şekilleri değişir ve genellikle farklı açılarda dururlar, bu da onları doğru bir şekilde detect etmeyi ve ayırmayı zorlaştırır.

Bunun üstesinden gelmek için araştırmacılar, bu mahsulleri daha doğru bir şekilde tanımlamak ve derecelendirmek için yönlendirilmiş sınırlayıcı kutu (OBB) algılamayı kullanan bir sistem geliştirdiler. Sistem, eğik veya üst üste binmiş olsalar bile bir görüntüdeki birden fazla mahsulü detect edebiliyor ve bunların kalitesini ve konumunu gerçek zamanlı olarak değerlendirebiliyor.

OBB algılamanın artıları ve eksileri

İşte OBB algılamayı kullanmanın bazı faydaları:

• Aşağı yönlü görevlere geliştirilmiş girdi: Örnek segmentasyonu ve nesne takibi gibi bilgisayarlı görü görevleri, daha doğru nesne tespitleri yapıldığında daha iyi performans gösterebilir.
  
  
• Gelişmiş uzamsal muhakeme: OBB'ler, yön açısını yakalayarak bir nesnenin hizalanmasını ve yönünü anlamayı mümkün kılar.
  
  
• Kalabalık sahnelerde azaltılmış örtüşme: OBB'ler, kalabalık veya karmaşık sahnelerde bile nesneleri daha sıkı bir şekilde sığdırarak belirsizliği azaltır.

Karmaşık sahnelerde algılama doğruluğunu artırmaya yardımcı olmasına rağmen, OBB algılamanın dikkate alınması gereken bazı sınırlamaları vardır:

• Gürültüye karşı daha fazla hassasiyet: Açı tahminindeki küçük hatalar, özellikle sıkıca paketlenmiş veya uzun nesneler için algılama doğruluğu üzerinde daha büyük bir etkiye sahip olabilir.
  ‍
• Özel araçlar gereklidir: Tüm etiketleme ve eğitim platformları OBB'leri yerel olarak desteklemediğinden, bunlarla çalışmak ek araçlar veya kurulum gerektirebilir.
  
  
• Sınırlı veri kümesi kullanılabilirliği: Standart nesne tespitiyle karşılaştırıldığında, şu anda OBB ek açıklamalarıyla birlikte daha az sayıda herkese açık veri kümesi bulunmaktadır, bu da başlamayı veya sonuçları karşılaştırmayı biraz daha zorlaştırabilir.

Önemli çıkarımlar

Yönlendirilmiş sınırlayıcı kutu tespiti, bilgisayarlı görü çözümlerinin mükemmel şekilde düz veya hizalı olmayan nesneleri tanımasını kolaylaştırır. Nesnelerin hem konumunu hem de yönünü yakalayarak, OBB tespiti, tıbbi görüntüleri tarama, tarım arazilerini izleme veya uydu fotoğraflarını analiz etme gibi gerçek dünya kullanım durumlarında doğruluğu artırır.

YOLO11 gibi modellerin OBB algılamayı daha erişilebilir hale getirmesiyle, birçok sektör için pratik bir seçim haline geliyor. Eğik, üst üste binen veya garip şekilli nesnelerle uğraşırken OBB algılama, standart yöntemlerin genellikle gözden kaçırdığı ekstra bir hassasiyet katmanı ekler.

Yapay zeka hakkında meraklı mısınız? GitHub depomuzu keşfedin, topluluğumuzla bağlantı kurun ve bilgisayarla görü projenize başlamak için lisanslama seçeneklerimize göz atın. Çözüm sayfalarımızda perakende sektöründe yapay zeka ve lojistik sektöründe bilgisayarla görü gibi yenilikler hakkında daha fazla bilgi edinin.