Problemi Tanımla

Tanım neden ilk sırada gelir?#

Bir bilgisayarlı görü projesinin her adımı, hedefini 0. adımdan devralır. Belirsiz bir soru, belirsiz bir veri kümesine, anlaşamayan etiketleyicilere ve yanlış şeyi ölçen bir metriğe yol açar — 2. adımda ne kadar eğitim yaparsan yap bunu düzeltemezsin.

Üç satır#

Görev tanımı, her satırda bir cümle olacak şekilde üç cümleden oluşur. Her cümle, projedeki farklı bir kişinin soracağı bir soruyu yanıtlar:

Çıktı satırına en çok özen gösterilmelidir; çünkü veri türü görevi belirler:

Tüm görüntüye ait tek bir etiket, sınıflandırma demektir; kutular nesne algılama, dış hatlar bölütleme, eklemler poz, döndürülmüş kutular OBB, piksel başına sınıf veya mesafe ise anlamsal bölütleme ya da derinlik demektir. Sonraki derste yedi görevin tamamını ele alacağız.

Uygulamalı örnek: modeli ve kuralı birbirinden ayır#

"Depo alanında forkliftlerin tehlikeli bir şey yaptığı durumları bilmek istiyoruz."

Bu cümle bir görev değil, bir projedir. İki işi birbirine karıştırır: forkliftleri ve insanları bulmak — piksellerle ilgili iş — ve neyin tehlikeli sayılacağına karar vermek — politikayla ilgili iş. Bunları ayır:

Yalnızca algılayıcı modeldir. Baklava dilimi sıradan bir koddur. Bu ayrımı hemen deneyebilirsin: bus.jpg içinde forklift yok, ancak bir otobüs ve dört kişi aynı testi yapmaya yeter. İlk kural şöyle der: "Bir kişinin kutusu, bir aracın kutusuyla %30'dan fazla örtüştüğünde uyarı ver":

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
result = model("https://ultralytics.com/images/bus.jpg", verbose=False)[0]

# The model's job ends here: a class, a box, and a confidence per object.
people = [b.xyxy[0].tolist() for b in result.boxes if result.names[int(b.cls)] == "person"]
vehicles = [b.xyxy[0].tolist() for b in result.boxes if result.names[int(b.cls)] == "bus"]

def share_inside(a, b):
    """Fraction of box a's area that lies inside box b."""
    w = max(0, min(a[2], b[2]) - max(a[0], b[0]))
    h = max(0, min(a[3], b[3]) - max(a[1], b[1]))
    return w * h / ((a[2] - a[0]) * (a[3] - a[1]))

# The decision rule is plain code: change the policy without retraining.
ALERT_SHARE = 0.30
for person in people:
    share = max(share_inside(person, v) for v in vehicles)
    print(f"person at x={person[0]:3.0f}: {share:4.0%} inside the bus box -> {'ALERT' if share > ALERT_SHARE else 'ok'}")

person at x= 49:  70% inside the bus box -> ALERT
person at x=223:  76% inside the bus box -> ALERT
person at x=670:  70% inside the bus box -> ALERT
person at x=  0:  62% inside the bus box -> ALERT

Dört uyarının hepsi yanlış: insanlar, park halindeki otobüsün önündeki kaldırımda. Algılayıcı her kutu konusunda doğru; kural ise yanlış, çünkü 2B görüntüdeki örtüşme, iki şeyin gerçek dünyada birbirine yakın olduğu anlamına gelmez. Kural kod olduğuna göre çözüm de koddur. Her kişinin ayaklarının yere değdiği noktayı otobüsün tekerlek hizasıyla karşılaştır:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
result = model("https://ultralytics.com/images/bus.jpg", verbose=False)[0]
people = [b.xyxy[0].tolist() for b in result.boxes if result.names[int(b.cls)] == "person"]
vehicles = [b.xyxy[0].tolist() for b in result.boxes if result.names[int(b.cls)] == "bus"]

def same_ground_line(person, vehicle, tolerance=40):
    """True when the person's feet are level with the vehicle's wheels and inside its width."""
    feet_x, feet_y = (person[0] + person[2]) / 2, person[3]
    return vehicle[0] < feet_x < vehicle[2] and abs(feet_y - vehicle[3]) < tolerance

for person in people:
    alert = any(same_ground_line(person, v) for v in vehicles)
    print(f"person at x={person[0]:3.0f}: feet y={person[3]:.0f}, bus wheels y={vehicles[0][3]:.0f} -> {'ALERT' if alert else 'ok'}")

person at x= 49: feet y=902, bus wheels y=751 -> ok
person at x=223: feet y=861, bus wheels y=751 -> ok
person at x=670: feet y=880, bus wheels y=751 -> ok
person at x=  0: feet y=871, bus wheels y=751 -> ok

Herkesin ayakları tekerlek hizasının 110–150 piksel altında; yani otobüsten daha yakında, kameraya doğru duruyorlar. Yeniden eğitim yok, yeniden etiketleme yok: algılayıcı sabit kalırken güvenlik ekibi kuralı iyileştiriyor. Üretim sürümünde ayakların konumu, kalibre edilmiş bir kamerayla zemin koordinatlarına dönüştürülür ve nesne takibi aracılığıyla 2 saniyelik kalıcılık eklenir — yine aynı kutuların üzerinde çalışan kod.

Yaygın Hatalar#

Tanımdan başarı ölçütlerine#

Tanım, modelin ne yaptığını belirtir; yeterince iyi olmanın ne anlama geldiğini veya bir hatanın yanlış alarma kıyasla ne kadara mal olduğunu değil. Yüksek Performanslı YOLO Veri Kümeleri içindeki İş Hedefiyle Başla bölümü, tanımı ölçülebilir hedeflere dönüştürür. Bu kurstaki sonraki her ders, üç satırına geri döner.