# Anahtar nokta eşleştirme

Keypoint matching, iki farklı görüntüde yer alan aynı nesneye ait farklı ilgi noktalarını eşleştirir. Çoğu modern keypoint matcher, girdi olarak görüntüleri alır ve aşağıdakileri çıktılar:

- **Keypoint koordinatları (x,y):** iki liste kullanarak ilk ve ikinci görüntü arasındaki piksel koordinatlarının birebir eşlemesi. İlk listedeki belirli bir indeksteki keypoint, ikinci listedeki aynı indeksteki keypoint ile eşleştirilir.
- **Eşleşme puanları:** Anahtar nokta eşleşmelerine atanan puanlar.

Bu öğreticide, [MatchAnything framework](https://huggingface.co/zju-community/matchanything_eloftr) ile eğitilmiş `EfficientLoFTR` modelini kullanarak anahtar nokta eşleşmelerini çıkaracak ve eşleşmeleri iyileştireceksiniz. Bu model yalnızca 16M parametreye sahiptir ve bir CPU üzerinde çalıştırılabilir. [AutoModelForKeypointMatching](/docs/transformers/v5.23.0/tr/model_doc/auto#transformers.AutoModelForKeypointMatching) sınıfını kullanacaksınız.

```python
from transformers import AutoImageProcessor, AutoModelForKeypointMatching
import torch

processor = AutoImageProcessor.from_pretrained("zju-community/matchanything_eloftr")
model = AutoModelForKeypointMatching.from_pretrained("zju-community/matchanything_eloftr")
```

Aynı ilgi nesnesine sahip iki görüntü yükleyin. İkinci fotoğraf bir saniye sonra çekilmiştir, renkleri düzenlenmiş ve daha fazla kırpılmış ve döndürülmüştür.

    <img src="https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee.jpg"
         alt="Bee"
         style="height: 200px; object-fit: contain; margin-right: 10px;">
    <img src="https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee_edited.jpg"
         alt="Bee edited"
         style="height: 200px; object-fit: contain;">

```python
from transformers.image_utils import load_image
image1 = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee.jpg")
image2 = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee_edited.jpg")

images = [image1, image2]
```

Görselleri işlemciye (processor) iletebilir ve çıkarım (inference) yapabiliriz.

```python
inputs = processor(images, return_tensors="pt")
with torch.no_grad():
    outputs = model(**inputs)
```

Çıktıları son işlemeye (postprocess) tabi tutabiliriz. threshold parametresi, çıktı eşleşmelerindeki gürültüyü (düşük güven eşikleri) iyileştirmek için kullanılır.

```python
image_sizes = [[(image.height, image.width) for image in images]]

outputs = processor.post_process_keypoint_matching(outputs, image_sizes, threshold=0.2)
print(outputs)
```

İşte çıktılar.

```text
[{'keypoints0': tensor([[4514,  550],
          [4813,  683],
          [1972, 1547],
          ...
          [3916, 3408]], dtype=torch.int32),
  'keypoints1': tensor([[2280,  463],
          [2378,  613],
          [2231,  887],
          ...
          [1521, 2560]], dtype=torch.int32),
  'matching_scores': tensor([0.2189, 0.2073, 0.2414, ...
    ])}]
```

Çıktıyı kısalttık ama 401 eşleşme var!

```python
len(outputs[0]["keypoints0"])
# 401
```

Bunları, işleyicinin [visualize_keypoint_matching()](/docs/transformers/v5.23.0/tr/model_doc/efficientloftr#transformers.EfficientLoFTRImageProcessor.visualize_keypoint_matching) yöntemiyle görselleştirebiliriz.

```python
plot_images = processor.visualize_keypoint_matching(images, outputs)
plot_images
```

![Matched Image](https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/matched_bees.png)

İsteğe bağlı olarak, [Pipeline](/docs/transformers/v5.23.0/tr/main_classes/pipelines#transformers.Pipeline) API'sini kullanabilir ve görevi `keypoint-matching` olarak ayarlayabilirsiniz.

```python
from transformers import pipeline 

image_1 = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee.jpg"
image_2 = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee_edited.jpg"

pipe = pipeline("keypoint-matching", model="zju-community/matchanything_eloftr")
pipe([image_1, image_2])
```

Çıktı aşağıdaki gibidir.

```bash
[{'keypoint_image_0': {'x': 2444, 'y': 2869},
  'keypoint_image_1': {'x': 837, 'y': 1500},
  'score': 0.9756593704223633},
 {'keypoint_image_0': {'x': 1248, 'y': 2819},
  'keypoint_image_1': {'x': 862, 'y': 866},
  'score': 0.9735618829727173},
 {'keypoint_image_0': {'x': 1547, 'y': 3317},
  'keypoint_image_1': {'x': 1436, 'y': 1500},
  ...
 }
]
```

