Soluzioni Ultralytics: Sfrutta YOLO11 per risolvere problemi del mondo reale

Le soluzioni Ultralytics forniscono applicazioni all'avanguardia dei modelli YOLO, offrendo soluzioni reali come il conteggio degli oggetti, la sfocatura e i sistemi di sicurezza, migliorando l'efficienza e la precisione in diversi settori. Scopri la potenza di YOLO11 per implementazioni pratiche e di grande impatto.

Guarda: Come eseguire soluzioni Ultralytics dalla riga di comando (CLI) | Ultralytics YOLO11 🚀

Soluzioni

Ecco la nostra lista curata di soluzioni Ultralytics che possono essere utilizzate per creare fantastici progetti di computer vision.

• Conteggio degli oggetti: Impara a eseguire il conteggio degli oggetti in tempo reale con YOLO11. Acquisisci l'esperienza per contare accuratamente gli oggetti nei flussi video live.
• Ritaglio degli oggetti: Padroneggia il ritaglio degli oggetti con YOLO11 per l'estrazione precisa di oggetti da immagini e video.
• Offuscamento degli oggetti: Applica l'offuscamento degli oggetti utilizzando YOLO11 per proteggere la privacy nell'elaborazione di immagini e video.
• Monitoraggio degli allenamenti: Scopri come monitorare gli allenamenti utilizzando YOLO11. Impara a tracciare e analizzare varie routine di fitness in tempo reale.
• Conteggio degli oggetti nelle regioni: Conta gli oggetti in regioni specifiche utilizzando YOLO11 per un rilevamento accurato in aree diverse.
• Sistema di allarme di sicurezza: Crea un sistema di allarme di sicurezza con YOLO11 che attiva avvisi quando vengono rilevati nuovi oggetti. Personalizza il sistema per adattarlo alle tue esigenze specifiche.
• Heatmap: Utilizza le heatmap di rilevamento per visualizzare l'intensità dei dati attraverso una matrice, fornendo chiare informazioni nelle attività di computer vision.
• Segmentazione di istanza con tracciamento di oggetti: Implementa la segmentazione di istanza e il tracciamento di oggetti con YOLO11 per ottenere confini degli oggetti precisi e un monitoraggio continuo.
• VisionEye View Objects Mapping: Sviluppa sistemi che imitano la messa a fuoco dell'occhio umano su oggetti specifici, migliorando la capacità del computer di discernere e dare priorità ai dettagli.
• Stima della velocità: Stima la velocità degli oggetti utilizzando YOLO11 e tecniche di tracciamento degli oggetti, fondamentali per applicazioni come veicoli autonomi e monitoraggio del traffico.
• Calcolo della distanza: calcola le distanze tra gli oggetti utilizzando i centroidi del bounding box in YOLO11, essenziale per l'analisi spaziale.
• Gestione delle code: Implementa sistemi efficienti di gestione delle code per ridurre al minimo i tempi di attesa e migliorare la produttività utilizzando YOLO11.
• Gestione del parcheggio: Organizza e dirigi il flusso dei veicoli nelle aree di parcheggio con YOLO11, ottimizzando l'utilizzo dello spazio e l'esperienza dell'utente.
• Analisi: Esegui un'analisi completa dei dati per scoprire modelli e prendere decisioni informate, sfruttando YOLO11 per analisi descrittive, predittive e prescrittive.
• Inferenza in tempo reale con Streamlit: Sfrutta la potenza di YOLO11 per il rilevamento di oggetti in tempo reale direttamente tramite il tuo browser web con un'interfaccia Streamlit intuitiva.
• Traccia oggetti in una zona: Scopri come tracciare oggetti all'interno di zone specifiche di fotogrammi video utilizzando YOLO11 per un monitoraggio preciso ed efficiente.
• Ricerca di similarità 🚀 NOVITÀ: Abilita il recupero intelligente di immagini combinando gli embedding OpenAI CLIP con Meta FAISS, consentendo query in linguaggio naturale come "persona che tiene una borsa" o "veicoli in movimento".

Solutions Arguments

Utilizzo di SolutionAnnotator

Tutte le Ultralytics Solutions utilizzano la classe separata SolutionAnnotator, che estende il principale Annotator class e hanno i seguenti metodi:

Lavorare con SolutionResults

Eccetto Similarity Search, ogni chiamata a Solution restituisce un elenco di SolutionResults object.

• Per il conteggio degli oggetti, i risultati includono in_count, out_count, e classwise_count.

import cv2

from ultralytics import solutions

im0 = cv2.imread("path/to/img")

region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]

counter = solutions.ObjectCounter(
    show=True,  # display the output
    region=region_points,  # pass region points
    model="yolo11n.pt",  # model="yolo11n-obb.pt" for object counting with OBB model.
    # classes=[0, 2],  # count specific classes i.e. person and car with COCO pretrained model.
    # tracker="botsort.yaml"  # Choose trackers i.e "bytetrack.yaml"
)
results = counter(im0)
print(results.in_count)  # display in_counts
print(results.out_count)  # display out_counts
print(results.classwise_count)  # display classwise_count

SolutionResults object hanno i seguenti attributi:

Per maggiori dettagli, fare riferimento a SolutionResults documentazione della classe.

Solutions Usage via CLI

yolo SOLUTIONS SOLUTION_NAME ARGS

yolo solutions count show=True # for object counting

yolo solutions source="path/to/video.mp4" # specify video file path

Contribuisci alle nostre soluzioni

Accogliamo con favore i contributi della comunità! Se hai acquisito una particolare competenza in un aspetto di Ultralytics YOLO che non è ancora trattato nelle nostre soluzioni, ti incoraggiamo a condividere la tua esperienza. Scrivere una guida è un ottimo modo per dare qualcosa in cambio alla comunità e aiutarci a rendere la nostra documentazione più completa e facile da usare.

Per iniziare, leggi la nostra Guida per i contributi per le linee guida su come aprire una Pull Request (PR) 🛠️. Non vediamo l'ora di ricevere i tuoi contributi!

Lavoriamo insieme per rendere l'ecosistema Ultralytics YOLO più robusto e versatile 🙏!

FAQ

Come posso utilizzare Ultralytics YOLO per il conteggio di oggetti in tempo reale?

Ultralytics YOLO11 può essere utilizzato per il conteggio di oggetti in tempo reale sfruttando le sue avanzate capacità di rilevamento di oggetti. Puoi seguire la nostra guida dettagliata sul Conteggio oggetti per configurare YOLO11 per l'analisi di flussi video in diretta. Installa semplicemente YOLO11, carica il tuo modello ed elabora i fotogrammi video per contare gli oggetti in modo dinamico.

Quali sono i vantaggi dell'utilizzo di Ultralytics YOLO per i sistemi di sicurezza?

Ultralytics YOLO11 migliora i sistemi di sicurezza offrendo il rilevamento di oggetti in tempo reale e meccanismi di allerta. Utilizzando YOLO11, puoi creare un sistema di allarme di sicurezza che attiva avvisi quando vengono rilevati nuovi oggetti nell'area sorvegliata. Scopri come impostare un Sistema di allarme di sicurezza con YOLO11 per un monitoraggio di sicurezza robusto.

In che modo Ultralytics YOLO può migliorare i sistemi di gestione delle code?

Ultralytics YOLO11 può migliorare significativamente i sistemi di gestione delle code contando e tracciando accuratamente le persone in coda, contribuendo così a ridurre i tempi di attesa e a ottimizzare l'efficienza del servizio. Segui la nostra guida dettagliata sulla Gestione delle code per imparare come implementare YOLO11 per un monitoraggio e un'analisi efficaci delle code.

Ultralytics YOLO può essere utilizzato per il monitoraggio degli allenamenti?

Sì, Ultralytics YOLO11 può essere utilizzato efficacemente per il monitoraggio degli allenamenti tracciando e analizzando le routine di fitness in tempo reale. Ciò consente una valutazione precisa della forma fisica e delle prestazioni. Esplora la nostra guida sul Monitoraggio degli allenamenti per imparare come impostare un sistema di monitoraggio degli allenamenti basato sull'intelligenza artificiale utilizzando YOLO11.

In che modo Ultralytics YOLO aiuta a creare mappe di calore per la visualizzazione dei dati?

Ultralytics YOLO11 può generare mappe di calore per visualizzare l'intensità dei dati in un'area specifica, evidenziando le regioni di elevata attività o interesse. Questa funzionalità è particolarmente utile per comprendere modelli e tendenze in varie attività di computer vision. Scopri di più sulla creazione e l'utilizzo di Mappe di calore con YOLO11 per un'analisi e una visualizzazione complete dei dati.

📅 Creato 1 anno fa ✏️ Aggiornato 1 mese fa

Commenti