> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/turkish/fonksiyon-bloklari/blocks-reference/ai-blocks/depth-estimation-depthany-v2.md).

# Depth Estimation (DepthAny. V2)

Bu fonksiyon bloğu, tek bir RGB/BGR görüntüsünden piksel başına derinlik (mesafe) tahmini yapar. Renkli bir derinlik görselleştirmesi ve inceleme, kayıt veya diğer işlem bloklarına besleme için kullanılabilecek gri tonlamalı bir derinlik haritası üretir.

## 📥 Girdiler

`Image` Tekli RGB/BGR görüntü; derinlik tahmini için kullanılan giriş görüntüsü.

## 📤 Çıktılar

`Depth Vis` Tahmin edilen derinliğin renkli görselleştirmesi (kolay inceleme için).

`Depth Map` 0–255 aralığına normalize edilmiş gri tonlamalı derinlik haritası (analiz ve sonraki bloklar için uygundur).

## 🕹️ Kontroller

`Model Size` Doğruluk/hız dengesi için model boyutu seçimi. Genellikle Small, Base ve Large seçenekleri bulunur.\
`Max Size` İşleme sırasında kullanılacak en büyük görüntü boyutunu sınırlayan kaydırıcı. Daha büyük değerler daha fazla detay sağlar ancak işlem süresini artırır.

## 🎨 Özellikler

* Hem görsel bir derinlik haritası (colorized) hem de ham gri tonlamalı bir derinlik görüntüsü üretir, böylece farklı kullanım senaryoları için esneklik sağlar.
* Model seçim kontrolü, çıkarım hızı ile doğruluk arasında tercih yapmanıza olanak tanır.
* `Max Size` çok büyük görüntülerin işlemi yavaşlatmasını engeller; blok verimli çıkarım için girişleri otomatik olarak yeniden boyutlandırır.
* Kullanılabilir işlem kaynaklarını otomatik olarak kullanarak mümkün olan en iyi verimi sağlamaya çalışır (UI düzeyinde davranış).

## ⚙️ Çalışma Mekanizması

Blok çalıştırıldığında mevcut giriş görüntüsünü alır, isteğe bağlı olarak `Max Size` ayarına uygun şekilde yeniden boyutlandırır, seçilen model boyutuyla işler ve iki çıktıyı döndürür: renkli görselleştirme ve normalize edilmiş gri tonlamalı derinlik haritası. Daha büyük modeller ve daha yüksek `Max Size` değerleri işlem süresini artırır.

## 📝 Kullanım Talimatları

1. Görüntü üreten bir bloğu `Image` girişine bağlayın.
2. İhtiyacınız olan doğruluk vs. hız dengesine göre `Model Size` seçin.
3. Yeterli detay koruyarak işlem süresini sınırlamak için `Max Size` ayarını yapın.
4. Sonuçları hızlıca incelemek için `Depth Vis`i kullanın; sayısal işlem veya sonraki bloklar için `Depth Map`i kullanın.

## 💡 İpuçları ve Püf Noktaları

* Çok büyük görüntüler için, önemli bölgeyi koruyarak işlem süresini azaltmak amacıyla bu bloktan önce `Image Resizer` kullanın.
* Giriş görüntüsü düşük çözünürlüklüyse, derinlik tahmininden önce detayları artırmak için yukarı akışta `Super Resolution` çalıştırmayı deneyin.
* İş akışında görsel inceleme yapmak için `Depth Vis`i `Show Image` bloğuna bağlayın.
* Sonuçları otomatik kaydetmek için `Depth Vis` veya `Depth Map`i `Image Logger` ya da `Image Write`e gönderin.
* Denemelere hızlı geri bildirim almak için başlangıçta `Model Size`i Small olarak ayarlayın; ayarlar kararlı hale gelince Base veya Large’a geçin.

(hint: recommended companion blocks — `Image Resizer`, `Super Resolution`, `Show Image`, `Image Logger`, `Image Write`)

## 🛠️ Sorun Giderme

* İşlem çok yavaşsa: `Model Size`i düşürün veya `Max Size`i azaltın.
* Sonuçlar kaba görünüyorsa: `Max Size`i artırın veya daha büyük bir `Model Size` deneyin (işlem kaynakları izin veriyorsa).
* Çıktı görünmüyor veya blok takılıyorsa: yukarı akıştaki görüntü bloğunun geçerli görüntü kareleri sağladığından emin olun.
* Sonuçların gözden geçirilmesini istiyorsanız, çıktıları `Image Logger` veya `Show Image`e yönlendirerek beklentileri doğrulayın.