Object Detection (D-FINE)
📥 Girdiler
Image Analiz edilecek giriş görüntüsü. Renkli veya gri tonlamalı görüntüleri kabul eder.
📤 Çıktılar
Result Renk kodlu sınırlayıcı kutularla (bounding boxes) açıklanmış görüntü. Draw Boxes etkinleştirildiğinde görünür.
Boxes Her tespit için sınırlayıcı kutu koordinatlarının listesi.
Labels Tespit edilen sınıf isimlerinin metin olarak listesi.
Scores Her tespit için güven skorları.
🕹️ Kontroller
Model Size Hız ile doğruluk arasında denge kurmak için model boyutunu seçin (örnekler: Nano / Small / Medium / Large / XLarge). Daha küçük modeller daha hızlı; daha büyük modeller daha iyi lokalizasyon sağlar.
Select Classes Hangi nesne sınıflarının tespit edileceğini seçin. Hiçbir sınıf seçilmezse, tüm kullanılabilir sınıflar dikkate alınır.
Draw Boxes Çıktı görüntüsünde sınırlayıcı kutuların ve etiketlerin çizilip çizilmeyeceğini açıp kapatır.
Threshold Tespitleri filtrelemek için kullanılan güven eşiğini ayarlar (0–100%). Daha yüksek değerler daha az ama daha güvenilir tespit üretir.
🎯 Temel Özellikler
Gecikme ve tespit kalitesi arasında denge kurmak için birden çok model boyutu.
Sadece ilgilendiğiniz nesnelere odaklanmak için sınıf düzeyi filtreleme.
Hassasiyet kontrolü için güven eşiği ayarı.
Renkli kutular ve metin etiketleri ile yerleşik, okunması kolay görselleştirme.
Mümkün olduğunda daha hızlı çıkarım için mevcut donanım hızlandırmasını kullanır.
📝 Nasıl Kullanılır
Giriş görüntüsünü
Imagegirişine verin.Ortamınıza uygun bir
Model Sizeseçin (hızlı vs. doğru).İstenirse yanlış pozitifleri azaltmak ve işlemi hızlandırmak için
Select Classesile belirli sınıfları seçin.Tespit hassasiyetini kontrol etmek için
Thresholddeğerini ayarlayın. Yaklaşık 30 ile başlayın ve yukarı/aşağı ayarlayın.Önizleme için
Draw Boxesseçeneğini açın veResultçıktısını izleyin.
📊 Blok Ne Yapar
Blok çalıştırıldığında gelen görüntüyü analiz eder, tespit edilen nesnelerin sınırlayıcı kutularını, etiketlerini ve güven skorlarını döndürür ve isteğe bağlı olarak kutular ve etiket metinleriyle açıklanmış bir görselleştirme görüntüsü üretir.
💡 İpuçları ve Püf Noktaları
Giriş görüntüleriniz çok büyükse ve işlem yavaşsa, bu bloktan önce
Image Resizeekleyerek çözünürlüğü düşürün.Küçük, düşük çözünürlüklü görüntülerde tanıma oranını artırmak için önce
Super Resolutiondeneyin.Sonuçları UI'da görüntülemek için bu bloğu
Show Imageile bağlayın veyaDraw BoxesaçarakResultçıktısını kullanın.Çok kareli iş akışlarında tespitleri zaman içinde izlemek istiyorsanız
BoxesveLabelsçıktısınıObject_Detection_Trackerbloğuna besleyin.Tespit görüntülerini veya örnekleri veri seti oluşturma veya hata ayıklama için
Image LoggerveyaImage Writeile kaydedin.Tespit meta verilerini (labels, scores, positions) raporlama veya diğer sistemlere aktarma için
Data to JSONveyaCSV Exportkullanın.Sadece belirli alanlarla ilgileniyorsanız, hatalı pozitifleri azaltmak ve hızı artırmak için tespit öncesi
Image ROIveyaImage ROI Selectile kırpma yapın.
🛠️ Sorun Giderme
Hiç tespit yoksa:
Thresholddeğerini düşürmeyi ve/veya daha az sınıf seçmeyi deneyin. Giriş görüntüsü kalitesini kontrol edin; gerekirseSuper Resolutionveya daha iyi aydınlatma kullanın.Çok fazla yanlış pozitif varsa:
Thresholddeğerini artırın veSelect Classesile ilgili sınıflarla sınırlandırın.Performans yavaşsa: daha küçük bir
Model Sizeseçin veya giriş çözünürlüğünü azaltmak içinImage Resizeekleyin. GPU kullanılabiliyorsa ortamınızda etkinleştirildiğinden emin olun.Görselleştirme eksikse: açıklamalı görüntü almak için
Draw Boxesetkin olduğundan emin olun veya çıktıları önizlemek içinShow Imagebağlayın.
Last updated