Ultralytics YOLO11 kullanarak Nesne Bulanıklaştırma 🚀

Nesne Bulanıklığı nedir?

Ultralytics YOLO11 ile nesne bulanıklaştırma, bir resim veya videodaki belirli tespit edilmiş nesnelere bulanıklaştırma efekti uygulamayı içerir. Bu, belirli bir sahne içindeki nesneleri tanımlamak ve işlemek için YOLO11 model yetenekleri kullanılarak elde edilebilir.

İzle: Ultralytics YOLO11 kullanarak Nesne Bulanıklaştırma

Nesne Bulanıklığının Avantajları

• Gizlilik Koruması: Nesne bulanıklaştırma, resimlerdeki veya videolardaki hassas veya kişisel olarak tanımlanabilir bilgileri gizleyerek gizliliği korumak için etkili bir araçtır.
• Seçici Odak: YOLO11, kullanıcıların belirli nesneleri hedeflemesini sağlayan seçici bulanıklaştırmaya olanak tanır ve gizlilik ile ilgili görsel bilgileri koruma arasında bir denge sağlar.
• Gerçek Zamanlı İşleme: YOLO11'in verimliliği, gerçek zamanlı olarak nesne bulanıklaştırmayı mümkün kılar ve bu da onu dinamik ortamlarda anında gizlilik geliştirmeleri gerektiren uygulamalar için uygun hale getirir.
• Yasal Uyumluluk: Kuruluşların görsel içerikteki tanımlanabilir bilgileri anonimleştirerek GDPR gibi veri koruma düzenlemelerine uymasına yardımcı olur.
• İçerik Denetimi: Medya platformlarında genel bağlamı korurken uygunsuz veya hassas içeriği bulanıklaştırmak için kullanışlıdır.

# Blur the objects
yolo solutions blur show=True

# Pass a source video
yolo solutions blur source="path/to/video.mp4"

# Blur the specific classes
yolo solutions blur classes="[0, 5]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("object_blurring_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize object blurrer object
blurrer = solutions.ObjectBlurrer(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object blurring i.e. yolo11m.pt
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes i.e, person and car with COCO pretrained model.
    # blur_ratio=0.5,  # adjust percentage of blur intensity, the value in range 0.1 - 1.0
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = blurrer(im0)

    # print(results")  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

ObjectBlurrer Argümanlar

İşte şunları içeren bir tablo: ObjectBlurrer argümanlar:

ObjectBlurrer çözümü ayrıca bir dizi şeyi destekler track argümanlar:

Ayrıca, aşağıdaki görselleştirme argümanları kullanılabilir:

Gerçek Dünya Uygulamaları

Gözetimde Gizliliğin Korunması

Güvenlik kameraları ve gözetim sistemleri, önemli etkinlikleri yakalamaya devam ederken yüzleri, plakaları veya diğer tanımlayıcı bilgileri otomatik olarak bulanıklaştırmak için YOLO11'i kullanabilir. Bu, kamusal alanlarda gizlilik haklarına saygı gösterirken güvenliğin korunmasına yardımcı olur.

Sağlık Verisi Anonimleştirme

Tıbbi görüntülemede, hasta bilgileri genellikle taramalarda veya fotoğraflarda görünür. YOLO11, araştırma veya eğitim amaçlı tıbbi verileri paylaşırken HIPAA gibi düzenlemelere uymak için bu bilgileri tespit edip bulanıklaştırabilir.

Belge Redaksiyonu

Hassas bilgiler içeren belgeleri paylaşırken, YOLO11, belge bütünlüğünü korurken redaksiyon sürecini kolaylaştırarak, imzalar, hesap numaraları veya kişisel ayrıntılar gibi belirli öğeleri otomatik olarak algılayıp bulanıklaştırabilir.

Medya ve İçerik Oluşturma

İçerik oluşturucular, videolar ve resimlerdeki marka logolarını, telif hakkıyla korunan materyalleri veya uygunsuz içeriği bulanıklaştırmak için YOLO11'i kullanabilir, böylece genel içerik kalitesini korurken yasal sorunlardan kaçınmaya yardımcı olabilir.

SSS

Ultralytics YOLO11 ile nesne bulanıklığı nedir?

Ultralytics YOLO11 ile nesne bulanıklaştırma, resim veya videolardaki belirli nesneleri otomatik olarak algılamayı ve bulanıklaştırma efekti uygulamayı içerir. Bu teknik, ilgili görsel verileri korurken hassas bilgileri gizleyerek gizliliği artırır. YOLO11'in gerçek zamanlı işleme yetenekleri, acil gizlilik koruması ve seçici odak ayarlamaları gerektiren uygulamalar için uygun hale getirir.

YOLO11 kullanarak gerçek zamanlı nesne bulanıklığını nasıl uygulayabilirim?

YOLO11 ile gerçek zamanlı nesne bulanıklığını uygulamak için, sağlanan Python örneğini izleyin. Bu, nesne algılama için YOLO11'i ve bulanıklık efektini uygulamak için OpenCV'yi kullanmayı içerir. İşte basitleştirilmiş bir sürüm:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

# Video writer
video_writer = cv2.VideoWriter("object_blurring_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init ObjectBlurrer
blurrer = solutions.ObjectBlurrer(
    show=True,  # display the output
    model="yolo11n.pt",  # model="yolo11n-obb.pt" for object blurring using YOLO11 OBB model.
    blur_ratio=0.5,  # set blur percentage i.e 0.7 for 70% blurred detected objects
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes i.e, person and car with COCO pretrained model.
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = blurrer(im0)
    video_writer.write(results.plot_im)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Nesne bulanıklaştırma için Ultralytics YOLO11'i kullanmanın faydaları nelerdir?

Ultralytics YOLO11, nesne bulanıklaştırma için çeşitli avantajlar sunar:

• Gizlilik Koruması: Hassas veya tanımlanabilir bilgileri etkili bir şekilde gizleyin.
• Seçici Odak: Temel görsel içeriği koruyarak bulanıklaştırma için belirli nesneleri hedefleyin.
• Gerçek Zamanlı İşleme: Dinamik ortamlarda nesne bulanıklaştırmayı verimli bir şekilde yürütün, anında gizlilik geliştirmeleri için uygundur.
• Özelleştirilebilir Yoğunluk: Gizlilik ihtiyaçlarını görsel bağlamla dengelemek için bulanıklık oranını ayarlayın.
• Sınıfa Özgü Bulanıklaştırma: Yalnızca belirli nesne türlerini seçerek bulanıklaştırırken diğerlerini görünür bırakın.

Daha ayrıntılı uygulamalar için nesne bulanıklığı bölümünün avantajlarını kontrol edin.

Ultralytics YOLO11'i gizlilik nedenleriyle bir videodaki yüzleri bulanıklaştırmak için kullanabilir miyim?

Evet, Ultralytics YOLO11, gizliliği korumak için videolardaki yüzleri algılayıp bulanıklaştıracak şekilde yapılandırılabilir. Özellikle yüzleri tanımak için önceden eğitilmiş bir model eğiterek veya kullanarak, algılama sonuçları bir bulanıklık efekti uygulamak için OpenCV ile işlenebilir. YOLO11 ile nesne algılama hakkındaki kılavuzumuza bakın ve kodu yüz algılamayı hedefleyecek şekilde değiştirin.

YOLO11'in nesne bulanıklığı için Faster R-CNN gibi diğer nesne algılama modelleriyle karşılaştırması nasıldır?

Ultralytics YOLO11, genellikle Faster R-CNN gibi modellere kıyasla hız açısından daha iyi performans gösterir ve bu da onu gerçek zamanlı uygulamalar için daha uygun hale getirir. Her iki model de doğru algılama sunarken, YOLO11'in mimarisi hızlı çıkarım için optimize edilmiştir ve bu da gerçek zamanlı nesne bulanıklığı gibi görevler için kritik öneme sahiptir. Teknik farklılıklar ve performans metrikleri hakkında daha fazla bilgiyi YOLO11 belgelerimizde bulabilirsiniz.

📅 1 yıl önce oluşturuldu ✏️ 2 ay önce güncellendi

Yorumlar