GPT
T

Trackers

רץ בדפדפן

Roboflowapache-2.02026-02-15

  • gradio

מעלים סרטון וידאו ומריצים עליו מעקב עצמים מרובה כדי לבדוק אלגוריתמים שונים. הכלי מיועד למפתחי ראייה ממוחשבת שרוצים להשוות ביצועים במהירות.

  • הורדות בחודש
  • 84לייקים

מה זה

אתם מעלים קובץ וידאו מקומי או בוחרים מתוך דוגמאות מובנות של אופניים, תפוחים, מטוסים, מזוודות וכלי רכב ברזולוציית 720p. הפלט שמתקבל הוא סרטון מעובד שמציג את האובייקטים המזוהים כשהם מתוחמים ומלווים במזהים עקביים לאורך הזמן, כולל אפשרות לצייר מסלולי תנועה ומסכות.

הקוד מתבסס על ספריית supervision של Roboflow ומודלים מסדרת AutoModel לצד שלושה אלגוריתמי מעקב מוכרים: ByteTrack, OCSORT ו־SORT. הממשק מאפשר לכוונן ספי ביטחון, להגדיר תנאי שיוך כמו IoU, ולשנות פרמטרים ייעודיים של הגששים כמו עקביות כיוון וחיץ שימור אובייקטים שאבדו.

מתאים ל

  • השוואת אלגוריתמי מעקב

    בדיקה של SORT מול ByteTrack ו־OCSORT על אותו סרטון כדי לראות איזה מהם שומר על מזהים יציבים.

  • כוונון ספי זיהוי

    שינוי פרמטרי ביטחון וסינון אובייקטים חלשים כדי לנקות רעשים ותיוגים שגויים מתוך הווידאו.

  • המחשת מסלולי תנועה

    הפקת סרטון עם עקבות תנועה ומסכות של רכבים או הולכי רגל לצורך הדגמות ומצגות.

איפה זה נופל

הכלי מוגבל לעיבוד קבצי וידאו בלבד ואינו מקבל הזנות של מצלמות רשת בזמן אמת. אם המודל הבסיסי מפספס זיהוי בפריים מסוים או מתבלבל בין אובייקטים חופפים, האלגוריתם עלול לאבד את המזהה או להחליף אותו. בנוסף, חומרת t4 עלולה להיות איטית מאוד בסרטונים ארוכים וכבדים, ואין בממשק תמיכה ישירה באימון מודלים מותאמים אישית.

שאלות
נפוצות

האם השימוש באפליקציה כרוך בתשלום כלשהו?

לא, הממשק פתוח וזמין לשימוש ישיר בדפדפן ללא עלות. אין צורך להזין פרטי תשלום או להתחבר עם חשבון משתמש כדי לנסות אותו. כל הפונקציות שמובנות בעמוד עובדות כפי שהן.

כמה זמן לוקח לקבל את הווידאו המעובד?

משך העיבוד תלוי באורך הקובץ, בקצב הפריימים ובמודל הזיהוי שבחרתם. המערכת רצה על מאיץ מסוג t4-small שמציג התקדמות לפי פריימים באמצעות פס טעינה ייעודי. סרטונים קצרים של כמה שניות יסתיימו תוך זמן קצר, אך קבצים ארוכים ידרשו המתנה ממושכת.

האם אפשר להריץ את הכלי הזה באופן מקומי על המחשב?

כן, הקוד בנוי מעל ספריות פתוחות כמו supervision וסביבת gradio, ומופץ תחת רישיון apache-2.0. אפשר להוריד את קובץ האפליקציה, להתקין את התלויות הדרושות ולהריץ אותו ישירות על מעבד או כרטיס מסך פרטי. זה פתרון נוח במיוחד אם יש לכם סרטונים רגישים שאתם מעדיפים לא להעלות לרשת.

במה הממשק הזה שונה משימוש במודל עצמו דרך קוד?

הממשק עוטף את המודלים ואת ספריות המעקב בלוח בקרה חזותי פשוט שמאפשר לשנות סליידרים בלי לגעת בקוד. מנגד, הוא מגביל אתכם לפרמטרים המוגדרים מראש ולא מאפשר לשלב לוגיקה עסקית מורכבת או לייצא נתוני מעקב גולמיים כמו קובצי טקסט או JSON. כדי לבנות פתרון תוכנה מלא תצטרכו להשתמש בספריות ישירות.

איך משתמשים

בוחרים סרטון, מסמנים מודל זיהוי ואלגוריתם מעקב מתפריטי הבחירה, ולוחצים על Track. אם רוצים לדייק, פותחים את אזור ההגדרות ומשנים ערכים של סינון מחלקות, ספי זיהוי או שכבות תצוגה. אין צורך בהרשמה או ביצירת חשבון כדי להתחיל לעבוד. העיבוד רץ על מאיץ t4-small יחיד עם מד התקדמות מובנה, כך שזמן הריצה תלוי לחלוטין באורך הסרטון ובקצב הפריימים שלו.

הרישיון

הקוד מופץ תחת רישיון apache-2.0 ומאפשר שימוש חופשי, שינוי והפצה, כולל לצרכים מסחריים. הקבצים שאתם מעלים מעובדים בסביבת הריצה של ההדגמה, אך אין מסמך שמפרט מדיניות שמירה ארוכת טווח של הווידאו.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗