Visualisation avancée des données: Cartes thermiques à l'aide de Ultralytics YOLO11 🚀

Introduction aux cartes thermiques

Une carte thermique générée avec Ultralytics YOLO11 transforme des données complexes en une matrice vibrante, codée par couleur. Cet outil visuel utilise un spectre de couleurs pour représenter les valeurs variables des données, les teintes plus chaudes indiquant des intensités plus élevées et les tons plus froids des valeurs plus faibles. Les cartes thermiques excellent dans la visualisation de modèles de données complexes, de corrélations et d'anomalies, offrant une approche accessible et attrayante de l'interprétation des données dans divers domaines.

Regarde : Cartes de chaleur utilisant Ultralytics YOLO11

Pourquoi choisir les cartes thermiques pour l'analyse des données ?

• Visualisation intuitive de la distribution des données : Les cartes thermiques simplifient la compréhension de la concentration et de la distribution des données, en convertissant des ensembles de données complexes en formats visuels faciles à comprendre.
• Détection efficace des tendances : En visualisant les données sous forme de carte thermique, il devient plus facile de repérer les tendances, les grappes et les valeurs aberrantes, ce qui facilite une analyse et des idées plus rapides.
• Amélioration de l'analyse spatiale et de la prise de décision : les cartes thermiques permettent d'illustrer les relations spatiales et de faciliter les processus de prise de décision dans des secteurs tels que l'intelligence économique, les études environnementales et l'urbanisme.

Applications dans le monde réel

Transport	Vente au détail
Ultralytics Carte thermique des transports de YOLO11	Ultralytics Carte de chaleur du commerce de détail YOLO11

# Run a heatmap example
yolo solutions heatmap show=True

# Pass a source video
yolo solutions heatmap source="path/to/video/file.mp4"

# Pass a custom colormap
yolo solutions heatmap colormap=cv2.COLORMAP_INFERNO

# Heatmaps + object counting
yolo solutions heatmap region=[(20, 400), (1080, 404), (1080, 360), (20, 360)]

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("Path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

# Video writer
video_writer = cv2.VideoWriter("heatmap_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# In case you want to apply object counting + heatmaps, you can pass region points.
# region_points = [(20, 400), (1080, 404)]  # Define line points
# region_points = [(20, 400), (1080, 404), (1080, 360), (20, 360)]  # Define region points
# region_points = [(20, 400), (1080, 404), (1080, 360), (20, 360), (20, 400)]  # Define polygon points

# Init heatmap
heatmap = solutions.Heatmap(
    show=True,  # Display the output
    model="yolo11n.pt",  # Path to the YOLO11 model file
    colormap=cv2.COLORMAP_PARULA,  # Colormap of heatmap
    # region=region_points,  # If you want to do object counting with heatmaps, you can pass region_points
    # classes=[0, 2],  # If you want to generate heatmap for specific classes i.e person and car.
    # show_in=True,  # Display in counts
    # show_out=True,  # Display out counts
    # line_width=2,  # Adjust the line width for bounding boxes and text display
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break
    im0 = heatmap.generate_heatmap(im0)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Arguments Heatmap()

Arguments model.track

Carte thermique COLORMAPs

Ces cartes de couleurs sont couramment utilisées pour visualiser les données avec des représentations de couleurs différentes.

FAQ

Comment Ultralytics YOLO11 génère-t-il des cartes thermiques et quels sont leurs avantages ?

Ultralytics YOLO11 génère des cartes thermiques en transformant des données complexes en une matrice codée en couleurs où les différentes teintes représentent l'intensité des données. Les cartes thermiques facilitent la visualisation des modèles, des corrélations et des anomalies dans les données. Les teintes plus chaudes indiquent des valeurs plus élevées, tandis que les tons plus froids représentent des valeurs plus faibles. Les principaux avantages sont la visualisation intuitive de la distribution des données, la détection efficace des schémas et l'amélioration de l'analyse spatiale pour la prise de décision. Pour plus de détails et d'options de configuration, reporte-toi à la section Configuration de la carte thermique.

Puis-je utiliser Ultralytics YOLO11 pour effectuer un suivi d'objet et générer une carte thermique simultanément ?

Oui, Ultralytics YOLO11 prend en charge le suivi d'objets et la génération de cartes thermiques simultanément. Ceci peut être réalisé grâce à son Heatmap intégrée aux modèles de suivi des objets. Pour ce faire, tu dois initialiser l'objet heatmap et utiliser les capacités de suivi de YOLO11. Voici un exemple simple :

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video/file.mp4")
heatmap = solutions.Heatmap(colormap=cv2.COLORMAP_PARULA, show=True, model="yolo11n.pt")

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    im0 = heatmap.generate_heatmap(im0)
    cv2.imshow("Heatmap", im0)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.release()
cv2.destroyAllWindows()

Pour plus de conseils, consulte la page sur le mode de suivi.

Qu'est-ce qui différencie Ultralytics YOLO11 heatmaps des autres outils de visualisation de données comme ceux d'OpenCV ou de Matplotlib ?

Ultralytics Les cartes thermiques YOLO11 sont spécialement conçues pour être intégrées à ses modèles de détection et de suivi des objets, offrant ainsi une solution de bout en bout pour l'analyse des données en temps réel. Contrairement aux outils de visualisation génériques comme OpenCV ou Matplotlib, les cartes thermiques de YOLO11 sont optimisées pour la performance et le traitement automatisé, et prennent en charge des fonctions telles que le suivi persistant, l'ajustement du facteur de décroissance et la superposition de vidéos en temps réel. Pour plus d'informations sur les caractéristiques uniques de YOLO11, visite le site Ultralytics YOLO11 Introduction.

Comment puis-je visualiser uniquement des classes d'objets spécifiques dans les cartes thermiques à l'aide de Ultralytics YOLO11 ?

Tu peux visualiser des classes d'objets spécifiques en spécifiant les classes souhaitées dans la rubrique track() du modèle YOLO . Par exemple, si tu ne veux visualiser que les voitures et les personnes (en supposant que leurs indices de classe sont 0 et 2), tu peux définir le paramètre classes en conséquence.

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video/file.mp4")
heatmap = solutions.Heatmap(show=True, model="yolo11n.pt", classes=[0, 2])

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    im0 = heatmap.generate_heatmap(im0)
    cv2.imshow("Heatmap", im0)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.release()
cv2.destroyAllWindows()

Pourquoi les entreprises devraient-elles choisir Ultralytics YOLO11 pour la génération de cartes thermiques dans l'analyse de données ?

Ultralytics YOLO11 offre une intégration transparente de la détection avancée d'objets et de la génération de cartes thermiques en temps réel, ce qui en fait un choix idéal pour les entreprises qui cherchent à visualiser les données plus efficacement. Les principaux avantages comprennent la visualisation intuitive de la distribution des données, la détection efficace des motifs et l'analyse spatiale améliorée pour une meilleure prise de décision. En outre, les fonctions de pointe de YOLO11, telles que le suivi persistant, les cartes de couleurs personnalisables et la prise en charge de divers formats d'exportation, le rendent supérieur à d'autres outils tels que TensorFlow et OpenCV pour une analyse complète des données. Pour en savoir plus sur les applications professionnelles, consulte le site Ultralytics Plans.

📅 C réé il y a 11 mois ✏️ Mis à jour il y a 9 jours

Commentaires