Object Detection - Custom (CPU)

Bu fonksiyon bloğu, kendi weight, config ve class dosyalarınızı kullanarak bir girdi görüntüsünde özel bir nesne dedektörü çalıştırmanıza olanak tanır. Model dosyalarını yüklemek, hangi sınıfların tespit edileceğini seçmek ve güven eşik değerini ayarlamak için sağlanan kontrolleri kullanın. Blok, görsel bir sonuç görüntüsü ile birlikte sayaçlar, konumlar, boyutlar ve etiketler gibi yapılandırılmış tespit verilerini (downstream kullanım için) döndürür.

📥 Girdiler

Image Any İşlem yapılacak görüntü.

📤 Çıktılar

Image Any Tespitlerin (box/label) çizildiği açıklamalı görüntü.

Object Count Karede tespit edilen nesne sayısı.

Object Locations Tespit edilen nesnelerin merkez konumları (çoklu).

Object Sizes (w, h) Her tespitin genişlik ve yüksekliği (çoklu).

Object Class Tespit edilen sınıf isimleri (çoklu).

Rectangles Her tespit için sınırlayıcı dikdörtgen koordinatları (çoklu).

🕹️ Kontroller

Open Weight File Dedektör weight dosyasını yüklemek için buton (ör. .weights).

Open Config File Dedektör yapılandırma dosyasını yüklemek için buton (ör. .cfg).

Open Class File Sınıf isimleri dosyasını (satır başına bir isim içeren düz metin) yüklemek için buton. Yüklendikten sonra sınıf isimleri Class Names tablosuna dolar.

Class Names Mevcut sınıfları gösteren tablo. Satırları açıp kapatarak dedektörün hangi sınıfları raporlayacağını seçin.

Confidence Threshold % Raporlanan tespitler için minimum güven değerini ayarlayan kaydırıcı. Yanlış pozitifleri azaltmak için değeri yükseltin; zayıf tespitleri yakalamak için düşürün.

🎯 Özellikler

  • UI butonlarıyla özel model kaynaklarının kolay yüklenmesi.

  • İlgili nesnelere odaklanmak için seçilebilir sınıf altkümesi.

  • Hem görsel hem verisel çıktı sağlar: açıklamalı görüntü, sayımlar, konumlar, boyutlar, sınıf etiketleri ve dikdörtgenler.

  • GPU olmayan sistemler için CPU uyumlu çalışma.

📝 Kullanım Talimatları

  1. Open Weight File üzerine tıklayarak dedektör weight dosyanızı seçin.

  2. Open Config File üzerine tıklayarak ilgili config dosyasını seçin.

  3. Open Class File üzerine tıklayarak sınıf isimlerini içeren metin dosyasını yükleyin. Class Names tablosu dolacaktır.

  4. Class Names tablosunda, tespit etmek istediğiniz sınıfları seçmek için satırları toggle edin.

  5. Bir görüntüyü Image Any girişine verin.

  6. Confidence Threshold % ile tespitlerin ne kadar katı olacağını ayarlayın.

  7. Çıktı değerlerini okuyun veya tespitlere tepki vermesi için takip eden bloklara bağlayın.

📊 Çalıştırıldığında blok ne yapar

  • Yüklü dedektörü, seçili sınıflar ve güven eşiği ile girdi görüntüsünde çalıştırır.

  • Image Any üzerinde açıklamalı bir görüntü üretir ve diğer çıktı kanallarında sayım, konum, boyut ve dikdörtgen verileri sağlar; bu veriler sayma, ölçüm, takip, loglama veya karar mekanizmalarında kullanılabilir.

💡 İpuçları ve Püf Noktaları

  • Sonuçları daha büyük bir pencerede görsel olarak incelemek için Image Any çıktısını Show Image bloğuna bağlayın.

  • Özel katmanlar çizmek veya tespit anotasyonlarını farklı biçimlendirmek isterseniz, Draw Detections bloğunu Rectangles ve sayım çıktılarına bağlayın.

  • Büyük görüntülerde daha yüksek throughput için bu bloktan önce Image Resizer kullanarak çözünürlüğü düşürün — genellikle hız artışı olurken doğrulukta küçük bir etki olur.

  • Hızı artırmak ve kararlılığı yükseltmek için arama alanını sınırlayın: görüntüyü beslemeden önce Image ROI Select veya Image ROI ile kırpın.

  • Tespit içeren karelerin kaydını tutmak için açıklamalı görüntü çıktısını Image Logger veya Image Writea bağlayın.

  • Kareler arasında kimlik koruması (identity preservation) istiyorsanız, bu bloğu Object_Detection_Tracker ile; detection dikdörtgenlerini ve sınıf çıktısını kullanarak eşleştirin.

  • Deneme amaçlı hızlı alternatif dedektör gerekiyorsa, hız/kalite arasında en iyi dengeyi bulmak için Object Detection veya Object Detection (D-FINE) bloklarıyla karşılaştırma yapın (mevcutsa).

🛠️ Sorun Giderme

  • Sınıflar class dosyası yüklendikten sonra listelenmiyor

    • Doğru sınıf dosyasını (satır başına bir sınıf içeren düz metin) seçtiğinizden emin olun. Gerekirse Open Class File ile tekrar yükleyin.

  • Dedektör çok fazla yanlış pozitif raporluyor

    • Confidence Threshold % değerini artırın. Ayrıca girdi görüntüsünü Image Resizer ile yeniden boyutlandırmayı ya da alanı Image ROI Select ile sınırlamayı deneyin.

  • Dedektör küçük veya uzaktaki nesneleri kaçırıyor

    • Dikkatli olarak Confidence Threshold % değerini düşürün veya bloğa daha yüksek çözünürlüklü bir görüntü verin (çok büyük boyutlardan kaçının — hız/doğruluk dengesi için Image Resizer kullanın).

  • CPU üzerinde yavaş performans

    • Girdi çözünürlüğünü Image Resizer ile azaltın veya ilgi alanını Image ROI Select ile kırpın. Tespiti daha seyrek çalıştırmayı (ör. batch işleme) düşünün.

  • Tespitlere akışın diğer bölümlerinde tepki vermeniz gerekiyor

    • Sayısal ve yapılandırılmış çıktıları (Object Count, Object Locations, Rectangles, Object Class) mantık bloklarına, loglama bloklarına veya Object_Detection_Tracker gibi takip bloklarına besleyin.

PreviousMatch Anything (ELOFTR)NextObject Detection (D-FINE)

Last updated

Was this helpful?