Ultralytics YOLO26を使用した分析

はじめに

本ガイドでは、データ可視化の3つの基本的な手法である折れ線グラフ、棒グラフ、円グラフについて包括的に解説します。各セクションには、Pythonを使用してこれらの可視化を作成するための手順とコードスニペットが含まれています。

Watch: How to generate Analytical Graphs using Ultralytics | Line Graphs, Bar Plots, Area and Pie Charts

視覚的サンプル

折れ線グラフ	棒グラフ	円グラフ

グラフが重要な理由

折れ線グラフは、短期間および長期間の推移を追跡したり、同一期間内の複数のグループの変動を比較したりするのに最適です。
一方、棒グラフは、異なるカテゴリ間の数量を比較したり、カテゴリとその数値との関係を示したりするのに適しています。
最後に、円グラフは、カテゴリ間の割合を示したり、全体に対する構成比を示したりするのに効果的です。

Ultralytics YOLOを使用した分析

yolo solutions analytics show=True

# Pass the source
yolo solutions analytics source="path/to/video.mp4"

# Generate the pie chart
yolo solutions analytics analytics_type="pie" show=True

# Generate the bar plots
yolo solutions analytics analytics_type="bar" show=True

# Generate the area plots
yolo solutions analytics analytics_type="area" show=True

`Analytics`引数

以下は、Analytics引数をまとめた表です。

引数	タイプ	デフォルト	説明
`model`	`str`	`None`	Ultralytics YOLO モデルファイルへのパス。
`analytics_type`	`str`	`'line'`	グラフの種類（`line`、`bar`、`area`、または `pie`）。

You can also leverage different track arguments in the Analytics solution.

引数	タイプ	デフォルト	説明
`tracker`	`str`	`'botsort.yaml'`	使用するトラッキングアルゴリズムを指定します（例：`bytetrack.yaml`や`botsort.yaml`）。
`conf`	`float`	`0.1`	検出の信頼度しきい値を設定します。低い値を指定するとより多くの物体をトラッキングできますが、偽陽性が含まれる可能性があります。
`iou`	`float`	`0.7`	重なり合う検出結果をフィルタリングするためのIntersection over Union (IoU) しきい値を設定します。
`classes`	`list`	`None`	クラスインデックスで結果をフィルタリングします。例えば、`classes=[0, 2, 3]`と設定すると、指定されたクラスのみを追跡します。
`verbose`	`bool`	`True`	追跡結果の表示を制御し、追跡された物体の視覚的出力を提供します。
`device`	`str`	`None`	推論用のデバイス（例：`cpu`、`cuda:0`、`0`など）を指定します。ユーザーはCPU、特定のGPU、またはその他の計算デバイスを選択してモデルを実行できます。

さらに、以下の可視化引数もサポートされています。

引数	タイプ	デフォルト	説明
`show`	`bool`	`False`	`True`の場合、注釈付き画像または動画をウィンドウに表示します。開発やテスト中に即座に視覚的フィードバックを得るのに役立ちます。
`line_width`	`int or None`	`None`	バウンディングボックスの線幅を指定します。`None`の場合、画像サイズに基づいて線幅が自動調整されます。明確化のための視覚的なカスタマイズが可能です。

結論

効果的なデータ分析を行うには、いつどのような種類の可視化を使用すべきかを理解することが不可欠です。折れ線グラフ、棒グラフ、円グラフは、データのストーリーをより明確かつ効果的に伝えるための基本的なツールです。Ultralytics YOLO26 Analyticsソリューションは、物体検出やトラッキングの結果からこれらの可視化を生成するための合理的な方法を提供し、視覚データから有意義なインサイトを抽出しやすくします。

FAQ

Ultralytics YOLO26 Analyticsを使用して折れ線グラフを作成するにはどうすればよいですか？

Ultralytics YOLO26 Analyticsを使用して折れ線グラフを作成するには、以下の手順に従ってください。

YOLO26モデルを読み込み、ビデオファイルを開きます。
Analyticsクラスを初期化し、タイプを"line"に設定します。
ビデオフレームをループ処理し、フレームごとのオブジェクト数など、関連するデータで折れ線グラフを更新します。
折れ線グラフが表示された出力ビデオを保存します。

例:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.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))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="line",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

Analyticsクラスの設定に関する詳細は、Ultralytics YOLO26を使用した分析セクションをご覧ください。

Ultralytics YOLO26を使用して棒グラフを作成する利点は何ですか？

Ultralytics YOLO26を使用して棒グラフを作成することには、いくつかの利点があります。

リアルタイムのデータ可視化: 物体検出の結果を棒グラフにシームレスに統合し、動的に更新できます。
使いやすさ: シンプルなAPIと関数により、実装とデータ可視化が容易になります。
カスタマイズ性: タイトル、ラベル、色などを特定の要件に合わせてカスタマイズ可能です。
効率性: 大量のデータを効率的に処理し、ビデオ処理中にリアルタイムでグラフを更新できます。

以下の例を使用して棒グラフを生成します。

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.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))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="bar",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

詳細については、本ガイドの棒グラフセクションをご覧ください。

データ可視化プロジェクトで円グラフを作成するためにUltralytics YOLO26を使用すべき理由は何ですか？

Ultralytics YOLO26が円グラフ作成に適している理由は以下の通りです。

物体検出との統合: 物体検出結果を円グラフに直接統合し、即座にインサイトを得られます。
使いやすいAPI: 最小限のコードで簡単にセットアップして使用できます。
カスタマイズ可能: 色、ラベルなど、多様なカスタマイズオプションがあります。
リアルタイム更新: データをリアルタイムで処理および可視化できるため、ビデオ分析プロジェクトに最適です。

簡単な例を以下に示します。

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.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))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="pie",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

詳細については、本ガイドの円グラフセクションを参照してください。

Ultralytics YOLO26を使用して物体を追跡し、可視化を動的に更新することはできますか？

はい、Ultralytics YOLO26を使用して物体を追跡し、可視化を動的に更新することが可能です。リアルタイムでの複数オブジェクトのトラッキングをサポートしており、追跡されたオブジェクトのデータに基づいて折れ線グラフ、棒グラフ、円グラフなどのさまざまな可視化を更新できます。

折れ線グラフのトラッキングと更新の例:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.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))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="line",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

全機能については、トラッキングセクションを参照してください。

Ultralytics YOLO26は、OpenCVやTensorFlowのような他の物体検出ソリューションと何が違いますか？

Ultralytics YOLO26がOpenCVやTensorFlowなどの他の物体検出ソリューションと一線を画している理由は複数あります。

最先端の精度: YOLO26は、物体検出、セグメンテーション、分類タスクにおいて優れた精度を提供します。
使いやすさ: ユーザーフレンドリーなAPIにより、複雑なコーディングなしで迅速な実装と統合が可能です。
リアルタイム性能: 高速推論向けに最適化されており、リアルタイムアプリケーションに適しています。
多様なアプリケーション: マルチオブジェクトトラッキング、カスタムモデルのトレーニング、ONNX、TensorRT、CoreMLなどのさまざまな形式へのエクスポートなど、幅広いタスクをサポートしています。
包括的なドキュメント: ドキュメントやブログリソースが充実しており、ユーザーのあらゆるステップをサポートします。

詳細な比較や使用事例については、Ultralyticsブログをご覧ください。

Contributors

GLglenn-jocher¹⁰ RIRizwanMunawar⁹ MAMatthewNoyce² LAlakshanthad¹ IVIvorZhu331¹

Created 2024年5月23日Updated 3 か月前