Object Detection

Bu fonksiyon bloğu, YOLOv4 tabanlı bir nesne tespit modeli kullanarak bir görüntüde belirli nesneleri tespit etmek için tasarlanmıştır. Kullanıcılar, tespit etmek istedikleri nesne sınıfını seçebilir ve tespit süreci için bir güven eşiği ayarlayabilir.

📥 Girdiler

Image Any Nesnelerin tespit edileceği giriş görüntüsü.

📤 Çıktılar

Image Any Tespit edilen nesnelerin dikdörtgenlerle vurgulandığı değiştirilmiş görüntüyü gösterir.

Object Count Bu çıktı, giriş görüntüsündeki tespit edilen nesnelerin toplam sayısını döndürür.

Object Center Locations Tespit edilen nesnelerin merkez noktalarını döndürür ve birden fazla tespit izleme imkanı sağlar.

Object Sizes (w, h) Tespit edilen nesnelerin genişlik ve yükseklikleri ile temsil edilen boyutları.

Rectangles Tespit edilen nesneleri saran dikdörtgenlerin koordinatları, birden fazla tespit imkanı ile birlikte.

🕹️ Kontroller

Confidence Threshold % Tespitler için güven eşiğini ayarlamak için kullanılan bir kaydırıcı. Bu değeri ayarlamak, daha az kesin tespitleri filtrelemeye yardımcı olur.

Select Detection Class Mevcut seçeneklerden tespit edilmesi gereken belirli nesne sınıflarını seçmek için bir açılır menü.

🎨 Özellikler

Multiple Detection Classes Kullanıcılar, "Hepsi", "İnsan", "Hayvanlar", "Kapalı Alan" ve "Açık Alan" gibi önceden tanımlanmış sınıflardan seçim yapabilir.

Dynamic Confidence Adjustment Eşik kaydırıcısı, tespit algoritmasının hassasiyetini gerçek zamanlı olarak ayarlama olanağı sağlar.

Comprehensive Outputs Tespit edilen nesneler hakkında ayrıntılı geri bildirim veren çoklu çıktılar, görüntü değişiklikleri, sayımlar ve sınırlayıcı dikdörtgen bilgilerini içerir.

📝 Kullanım Talimatları

1. Connect Input: Potansiyel nesneleri içeren bir görüntüyü girişi ekleyin.

2. Select Class: Nesne tespit algoritmasının aramasını yapacağı nesne sınıfını belirtmek üzere Select Detection Class açılır menüsünden istenen sınıfı seçin.

3. Set Confidence: Bir nesnenin tespit edilmesi için modelin ne kadar güvenilir olması gerektiğini belirlemek üzere Confidence Threshold % kaydırıcısını ayarlayın.

4. Evaluate: Nesne tespitini gerçekleştirmek için bloğu çalıştırın. Değiştirilmiş görüntü ve tespit sonuçları çıktılar olarak sağlanacaktır.

📊 Değerlendirme

Çalıştırıldığında, bu fonksiyon bloğu, seçilen nesnelerin varlığını analiz eder ve orijinal görüntünün değişikliklerini, yanı sıra niceliksel tespit verilerini döndürür.

💡 İpuçları ve Püf Noktaları

Detection Class Seçimi

Belirli bir sınıf seçmek (örneğin "Hayvanlar" veya "İnsan") yanlış pozitifleri önemli ölçüde azaltabilir, bu da tespit sürecini daha güvenilir hale getirir.

Güven Eşiğini Ayarlama

Güven eşiğini düşürmek, daha fazla nesneyi tespit etmeye olanak tanır ancak yanlış tespitler de ortaya çıkarabilir. Kendi kullanım durumunuza dayalı olarak bir denge bulmak iyi bir fikirdir.

Diğer Bloklarla Kullanma

Bu fonksiyon bloğu, tespit öncesinde görüntüyü hazırlamak için Image ROI veya Image Threshold gibi diğer görüntü işleme bloklarıyla birlikte iyi çalışır.

Performans Optimizasyonu

Gerçek zamanlı tespit gerçekleştirirken, daha hızlı işlem için bu bloğa bağlamadan önce giriş görüntüsü boyutunu küçültmeyi düşünün.

🛠️ Sorun Giderme

Tespit Yok

Hiçbir nesne tespit edilmezse, geçerli giriş görüntülerinin kullanıldığından emin olun ve güven eşiğini ayarlayın. Seçilen tespit sınıfının görüntüdeki nesnelerle örtüşüp örtüşmediğini kontrol etmek isteyebilirsiniz.

Yavaş İşlem Hızı

Daha büyük görüntülerde nesneleri tespit ederken, görüntüyü yeniden boyutlandırmayı veya daha düşük çözünürlüklü bir giriş kullanmayı düşünün; bu, tespit sürelerini önemli ölçüde hızlandırabilir.