Yedi Görüntü İşleme Görevi

Yedi göreve genel bakış#

Tabloyu çıktı sütununa göre oku — tanımının çıktı satırı bununla eşleşmeli.

İki ayrım çoğu kişinin kafasını karıştırır. Örnek ve anlamsal segmentasyon: örnek segmentasyonu her nesneyi ayrı ayrı ayırır (üç araba, üç maske); anlamsal segmentasyon ise pikselleri yalnızca sınıfa göre etiketler (tek bir "araba" bölgesi, sayı yok). Algılama ve OBB: ikisi de nesne başına bir kutu döndürür, ancak OBB nesneyle birlikte döner; bu, özellikle üstten çekilen görüntülerde nesneler açılı durduğunda önemlidir.

Tek API, yedi çıktı#

Görev değiştirmek, araçları değiştirmek anlamına gelmez. Döndürülen sonucu ağırlık dosyası belirler ve Results nesnesi eşleşen özniteliği doldurur:

from ultralytics import YOLO

image = "https://ultralytics.com/images/bus.jpg"
outputs = ["probs", "boxes", "masks", "semantic_mask", "depth", "keypoints", "obb"]

for suffix in ["-cls", "", "-seg", "-sem", "-depth", "-pose", "-obb"]:
    weights = f"yolo26n{suffix}.pt"
    model = YOLO(weights)
    result = model(image, verbose=False)[0]
    filled = [name for name in outputs if getattr(result, name) is not None]
    print(f"{weights:18} task={model.task:9} -> {', '.join(filled)}")

yolo26n-cls.pt     task=classify  -> probs
yolo26n.pt         task=detect    -> boxes
yolo26n-seg.pt     task=segment   -> boxes, masks
yolo26n-sem.pt     task=semantic  -> semantic_mask
yolo26n-depth.pt   task=depth     -> depth
yolo26n-pose.pt    task=pose      -> boxes, keypoints
yolo26n-obb.pt     task=obb       -> obb

Sağ sütunu oku: segmentasyon ve poz tahmini de kutu döndürür, çünkü bunlar algılamaya bir özellik daha ekler. Anlamsal segmentasyon ve derinlik, nesne başına hiçbir çıktı döndürmez; bunun yerine her pikseli tanımlar. Sonraki aşamadaki kodun bu özniteliklerden tam olarak birini okur, bu nedenle belirtimindeki çıktı satırında bunu adlandırmalısın.

Uygulamada seçim yapmak#

Önce tek bir tahminin neyi tanımlaması gerektiğini belirle, sonra karar satırındaki soruyu yanıtlayan en düşük maliyetli görevi seç:

1. Görüntünün tamamı için tek bir etiket → sınıflandırma.
2. Nesneleri ayırmaya gerek duymadan her piksel için bir sınıf → anlamsal segmentasyon.
3. Her piksel için bir mesafe → derinlik tahmini.
4. Her nesneyle ilgili bir şey:
   • nerede olduğu; saymak, konumunu belirlemek veya filtrelemek için → algılama (kareler arasındaki kimlik takibi için takip ekle);
   • tam şekli, sınırı veya alanı → örnek segmentasyonu;
   • duruşu → poz tahmini;
   • üstten çekilen görüntülerdeki dönüşü → OBB.

İki görev de işini görüyorsa etiketlemesi ve çalıştırması daha düşük maliyetli olanı seç. Çoğu ürün için varsayılan tercih algılamadır: kutuları çizmek ve incelemek hızlıdır; üzerine takip eklendiğinde de bu kutular sayım, bölge uyarıları ve bu otoyol görüntüsündeki gibi trafik analizlerini mümkün kılar:

Derinlik: "ne kadar uzakta" sorusunu yanıtlayan görev#

Derinlik tahmini, görüntüyle aynı boyutta bir harita döndürür; her piksel için metre cinsinden bir mesafe verir, sınıf veya kutu içermez. Mesafenin kararı belirlediği durumlarda kullan: engellerden uzak duran bir robot, yakındaki bir nesneye yaklaşırken yavaşlayan bir araç veya bir yığının kabaca hacmini tahmin etme.

from ultralytics import YOLO

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

depth = result.depth.data  # meters, one value per pixel
print(f"depth map {tuple(depth.shape)}, nearest {float(depth.min()):.1f} m, farthest {float(depth.max()):.1f} m")

depth map (1080, 810), nearest 2.0 m, farthest 14.9 m

Tek bir kamera; perspektif ve nesne boyutu gibi öğrenilmiş ipuçlarından derinliği çıkarır. Bu nedenle güvenlik açısından kritik mesafelerde kullanmadan önce hatasını kendi sahnelerinde ölç. Derinlik, algılamayla iyi çalışır: önce nesneyi algıla, sonra kutusunun içindeki derinlik haritasını oku.

Yaygın Hatalar#