Object Detection (D-FINE)

Bu fonksiyon bloğu, bir giriş görüntüsünde gerçek zamanlı nesne tespiti gerçekleştirir. Model boyutu seçimi (hız ile doğruluk arasında bir denge), tespit edilecek nesne sınıflarını filtreleme, bir güven eşiği belirleme ve isteğe bağlı olarak çıkış görüntüsünde renk kodlu sınırlayıcı kutular çizme seçenekleri sunar.

📥 Girdiler

Image Analiz edilecek giriş görüntüsü.

📤 Çıktılar

Result Sınırlayıcı kutular ve etiketlerle açıklanmış görüntü (çizim etkinse mevcut).

Boxes Her tespit için sınırlayıcı kutu koordinatlarının listesi (format: [x1, y1, x2, y2]).

Labels Tespit edilen her nesne için sınıf isimleri.

Scores Her tespitin güven skoru.

🕹️ Kontroller

Model Çıkarım hızı ile doğruluk arasında denge kurmak için model boyutunu seçin (örnekler: Nano / Small / Medium / Large / XLarge).

Select Classes Bloğun raporlamasını istediğiniz COCO sınıflarını işaretlemek için kullanılan tablo (hepsini boş bırakmak tüm sınıflara izin verir).

Draw Boxes Çıkış görüntüsünde renkli sınırlayıcı kutular ve etiketler çizmek için açık/kapalı anahtarı.

Threshold Tespitleri kabul etmek için güven skoru eşiğini (0–100) ayarlayan kaydırıcı.

🎨 Özellikler

• Hız veya doğruluk önceliği için model boyutu seçimi.

• Sadece ilgilendiğiniz tespitleri almak için sınıf filtreleme.

• Yanlış pozitifleri azaltmak için güven eşiği kontrolü.

• İsteğe bağlı renk kodlu sınırlayıcı kutular ve okunabilir etiketlerle görsel çıktı.

• Hem görsel (görüntü) hem de yapılandırılmış tespit verilerini (boxes, labels, scores) döndürerek sonraki işlemler için uygun veri sağlar.

📝 Kullanım Talimatları

1. Image girişine görüntü üreten bir bloğu bağlayın.

2. Daha hızlı sonuç mu yoksa daha yüksek doğruluk mu istediğinize göre Model boyutunu seçin.

3. Sadece ihtiyaç duyduğunuz nesne tiplerini tespit etmek için Select Classes alanını kullanın (tüm sınıfları kabul etmek için boş bırakın).

4. Tespit hassasiyetini ayarlamak için Threshold kaydırıcısını düzenleyin.

5. Görsel bir sonuç almak istiyorsanız Draw Boxes öğesini etkinleştirin; böylece Result çıktısında açıklamalı görüntü elde edersiniz.

6. Boxes, Labels ve Scores çıktılarını sonraki işleme veya kayıt bloklarında kullanın.

📊 Değerlendirme

Çalıştırıldığında blok, seçilen Model ve Threshold ayarlarına göre gelen görüntüyü işler ve tespit sonuçlarını verir. Draw Boxes etkinse, açıklamalı bir görüntü Result üzerinde mevcut olur; tespit meta verileri ise her zaman diğer çıktılarda (Boxes, Labels, Scores) yer alır.

💡 İpuçları ve Püf Noktaları

• Küçük nesneler kaçıyorsa, Super Resolution kullanarak daha fazla detaylı bir giriş sağlayın veya Image Resize ile resmi küçültmemeye çalışın.

• İşlem süresini azaltmak için doğruluk pahasına daha küçük bir Model (Nano/Small) seçin.

• Hızı artırmak ve yanlış pozitifleri azaltmak için tespit öncesi ilgi alanını Image ROI Select veya Image ROI ile kırpın.

• Görsel hata ayıklama için Result çıktısını Show Image bloğuna bağlayarak tespitleri interaktif olarak inceleyin.

• Frameler arasında tespitleri korumak (takip) istiyorsanız, çıktıları Object_Detection_Tracker ile birleştirin.

• Tespitli görüntüleri daha sonra incelemek için Image Logger, Image Write veya Record Video ile kaydedin.

• Tespit meta verilerini analiz ve raporlama için CSV Export veya Data to JSON ile dışa aktarın.

• Deney yaparken sistem kullanımını GPU Statistics ile izleyerek donanımınıza uygun bir Model boyutu seçin.

• Farklı davranışlar veya modeller denemek isterseniz, Object Detection - Custom veya diğer nesne algılama alternatifleriyle karşılaştırma yapın.

🛠️ Sorun Giderme

• Hiç tespit görmüyorsanız, Threshold değerini düşürün veya Select Classes içinde istenen sınıfın işaretli olduğundan emin olun.

• Tespitler gürültülüysa (çok fazla yanlış pozitif varsa), Threshold değerini yükseltin veya Select Classes ile sınıfları sınırlandırın.

• İşlem çok yavaşsa, daha küçük bir Model seçin veya giriş görüntüsünü Image ROI Select ile kırpın.

• Diğer çıktılar veri içerirken görüntü boş görünüyorsa, görsel sonuç alabilmek için Draw Boxes öğesinin etkin olduğundan emin olun.