コンテンツへスキップ

分析Ultralytics YOLO11

はじめに

このガイドでは、折れ線グラフ、棒グラフ、円グラフという 3 種類の基本的なデータ可視化の包括的な概要を説明します。各セクションには、Python を使用してこれらのビジュアライゼーションを作成する方法について、ステップバイステップの手順とコード・スニペットが含まれています。



見るんだ: Ultralytics |折れ線グラフ、棒グラフ、面積グラフ、円グラフを使った分析グラフの作成方法

ビジュアル・サンプル

折れ線グラフ バー・プロット 円グラフ
折れ線グラフ バー・プロット 円グラフ

グラフが重要な理由

  • 折れ線グラフは、短期および長期の変化を追跡したり、同じ期間における複数のグループの変化を比較するのに理想的である。
  • 一方、棒グラフは、異なるカテゴリー間の量を比較したり、カテゴリーとその数値の関係を示したりするのに適している。
  • 最後に、円グラフはカテゴリー間の比率を示したり、全体の一部を示したりするのに効果的である。

アナリティクスの例

 yolo solutions analytics show=True

# pass the source
yolo solutions analytics source="path/to/video/file.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
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
out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1920, 1080),  # This is fixed
)

# Init analytics
analytics = solutions.Analytics(
    show=True,  # Display the output
    analytics_type="line",  # Pass the analytics type, could be "pie", "bar" or "area".
    model="yolo11n.pt",  # Path to the YOLO11 model file
    # classes=[0, 2],  # If you want to count specific classes i.e person and car with COCO pretrained model.
)

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

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

議論 Analytics

以下はその表である。 Analytics という議論がある:

名称 タイプ デフォルト 説明
analytics_type str line グラフの種類("折れ線"、"棒グラフ"、"面積グラフ"、"円グラフ"
model str None Ultralytics YOLO モデルファイルへのパス
line_width int 2 バウンディングボックスの線の太さ。
show bool False ビデオストリームを表示するかどうかを制御するフラグ。

議論 model.track

議論 タイプ デフォルト 説明
source str None 画像や動画のソースディレクトリを指定します。ファイルパスとURLをサポートします。
persist bool False フレーム間のオブジェクトの永続的なトラッキングを可能にし、ビデオシーケンス間のIDを維持します。
tracker str botsort.yaml 使用するトラッキングアルゴリズムを指定する、 bytetrack.yaml または botsort.yaml.
conf float 0.3 検出の信頼しきい値を設定します。低い値ではより多くのオブジェクトを追跡できますが、誤検出を含む可能性があります。
iou float 0.5 重複検出をフィルタリングするためのIoU(Intersection over Union)しきい値を設定します。
classes list None クラス・インデックスによって結果をフィルタリングする。例えば classes=[0, 2, 3] は指定されたクラスのみを追跡する。
verbose bool True トラッキング結果の表示をコントロールし、トラッキングされたオブジェクトのビジュアル出力を提供します。

結論

効果的なデータ分析には、さまざまな種類のビジュアライゼーションをいつ、どのように使用するかを理解することが重要です。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のに役立つ基本的なツールです。

よくあるご質問

Ultralytics YOLO11 アナリティクスを使って折れ線グラフを作成するには?

Ultralytics YOLO11 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:

  1. YOLO11 モデルを読み込み、ビデオファイルを開きます。
  2. を初期化する。 Analytics クラスで、タイプは "line "に設定されている。
  3. ビデオフレームを繰り返し、フレームごとのオブジェクト数などの関連データで折れ線グラフを更新する。
  4. 折れ線グラフを表示する出力ビデオを保存する。

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))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1920, 1080),  # 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
        im0 = analytics.process_data(im0, frame_count)  # update analytics graph every frame
        out.write(im0)  # write the video file
    else:
        break

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

の設定の詳細については Analytics クラスは Ultralytics YOLO11 📊を使った分析 セクションを参照されたい。

棒グラフの作成にUltralytics YOLO11 を使用する利点は何ですか?

棒グラフの作成にUltralytics YOLO11 を使うと、いくつかの利点がある:

  1. リアルタイムのデータ可視化オブジェクト検出結果をバープロットにシームレスに統合し、ダイナミックに更新。
  2. 使いやすさ:シンプルなAPIと関数により、データの実装と可視化が簡単に行える。
  3. カスタマイズ:タイトル、ラベル、色など、お客様のご要望に合わせてカスタマイズできます。
  4. 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プロットを更新。

棒グラフを作成するには、次の例を使用する:

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))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1920, 1080),  # 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
        im0 = analytics.process_data(im0, frame_count)  # update analytics graph every frame
        out.write(im0)  # write the video file
    else:
        break

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

詳しくは、ガイドの「バー・プロット」の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のにUltralytics YOLO11 を使用するのはなぜですか?

Ultralytics YOLO11 は円グラフの作成に最適である:

  1. 物体検出との統合:物体検出の結果を直接円グラフに統合し、即座に洞察を得ることができます。
  2. ユーザーフレンドリーなAPI:最小限のコードで簡単に設定、使用できます。
  3. カスタマイズ可能:色やラベルなど、さまざまなカスタマイズが可能。
  4. リアルタイム更新:ビデオ解析プロジェクトに最適なリアルタイムでのデータ処理と可視化。

簡単な例を挙げよう:

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))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1920, 1080),  # 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
        im0 = analytics.process_data(im0, frame_count)  # update analytics graph every frame
        out.write(im0)  # write the video file
    else:
        break

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

詳細については、ガイドの円グラフのセクションを参照してください。

Ultralytics YOLO11 を使ってオブジェクトを追跡し、ビジュアライゼーションを動的に更新することは可能か?

はい、Ultralytics YOLO11 、オブジェクトを追跡し、ビジュアライゼーションを動的に更新することができます。リアルタイムで複数のオブジェクトを追跡し、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、円グラフのような様々なビジュアライゼーションを更新することができます。

折れ線グラフの追跡と更新の例:

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))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1920, 1080),  # 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
        im0 = analytics.process_data(im0, frame_count)  # update analytics graph every frame
        out.write(im0)  # write the video file
    else:
        break

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

全機能については、トラッキングのセクションをご覧ください。

Ultralytics YOLO11 、OpenCVやその他のオブジェクト検出ソリューションと何が違うのか? TensorFlow?

Ultralytics YOLO11 は、OpenCVやTensorFlow のような他のオブジェクト検出ソリューションと比較して、複数の理由で際立っている:

  1. 最先端の精度:YOLO11 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。
  2. 使いやすさ:ユーザーフレンドリーなAPIは、大規模なコーディングなしで迅速な実装と統合を可能にします。
  3. リアルタイム性能:高速推論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。
  4. 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 のような異なるフォーマットへのエクスポートを含む様々なタスクをサポートしています。
  5. 包括的なドキュメント:豊富なドキュメントと ブログリソースで、ユーザーをあらゆるステップでガイドします。

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

📅作成:6ヶ月前 ✏️更新しました 1ヶ月前

コメント