分析Ultralytics YOLOv8

Q: What are the benefits of using Ultralytics YOLOv8 for creating bar plots?

棒グラフの作成にUltralytics YOLOv8 を使うと、いくつかの利点がある：棒グラフを作成するには、次の例を使用してください：詳しくは、ガイドの棒グラフのセクションをご覧ください。

Q: Why should I use Ultralytics YOLOv8 for creating pie charts in my data visualization projects?

Ultralytics YOLOv8 は円グラフの作成に最適です：以下に簡単な例を示す：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。

Q: What makes Ultralytics YOLOv8 different from other object detection solutions like OpenCV and TensorFlow?

Ultralytics YOLOv8 は、OpenCV やTensorFlow のような他の物体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。

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。

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

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

折れ線グラフ複数路線円グラフバー・プロットエリアチャート

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8s.pt")

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("line_plot.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

analytics = solutions.Analytics(
    type="line",
    writer=out,
    im0_shape=(w, h),
    view_img=True,
)
total_counts = 0
frame_count = 0

while cap.isOpened():
    success, frame = cap.read()

    if success:
        frame_count += 1
        results = model.track(frame, persist=True, verbose=True)

        if results[0].boxes.id is not None:
            boxes = results[0].boxes.xyxy.cpu()
            for box in boxes:
                total_counts += 1

        analytics.update_line(frame_count, total_counts)

        total_counts = 0
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        break

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

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8s.pt")

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("multiple_line_plot.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

analytics = solutions.Analytics(
    type="line",
    writer=out,
    im0_shape=(w, h),
    view_img=True,
    max_points=200,
)

frame_count = 0
data = {}
labels = []

while cap.isOpened():
    success, frame = cap.read()

    if success:
        frame_count += 1

        results = model.track(frame, persist=True)

        if results[0].boxes.id is not None:
            boxes = results[0].boxes.xyxy.cpu()
            track_ids = results[0].boxes.id.int().cpu().tolist()
            clss = results[0].boxes.cls.cpu().tolist()

            for box, track_id, cls in zip(boxes, track_ids, clss):
                # Store each class label
                if model.names[int(cls)] not in labels:
                    labels.append(model.names[int(cls)])

                # Store each class count
                if model.names[int(cls)] in data:
                    data[model.names[int(cls)]] += 1
                else:
                    data[model.names[int(cls)]] = 0

        # update lines every frame
        analytics.update_multiple_lines(data, labels, frame_count)
        data = {}  # clear the data list for next frame
    else:
        break

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

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8s.pt")

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("pie_chart.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

analytics = solutions.Analytics(
    type="pie",
    writer=out,
    im0_shape=(w, h),
    view_img=True,
)

clswise_count = {}

while cap.isOpened():
    success, frame = cap.read()
    if success:
        results = model.track(frame, persist=True, verbose=True)
        if results[0].boxes.id is not None:
            boxes = results[0].boxes.xyxy.cpu()
            clss = results[0].boxes.cls.cpu().tolist()
            for box, cls in zip(boxes, clss):
                if model.names[int(cls)] in clswise_count:
                    clswise_count[model.names[int(cls)]] += 1
                else:
                    clswise_count[model.names[int(cls)]] = 1

            analytics.update_pie(clswise_count)
            clswise_count = {}

        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        break

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

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8s.pt")

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("bar_plot.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

analytics = solutions.Analytics(
    type="bar",
    writer=out,
    im0_shape=(w, h),
    view_img=True,
)

clswise_count = {}

while cap.isOpened():
    success, frame = cap.read()
    if success:
        results = model.track(frame, persist=True, verbose=True)
        if results[0].boxes.id is not None:
            boxes = results[0].boxes.xyxy.cpu()
            clss = results[0].boxes.cls.cpu().tolist()
            for box, cls in zip(boxes, clss):
                if model.names[int(cls)] in clswise_count:
                    clswise_count[model.names[int(cls)]] += 1
                else:
                    clswise_count[model.names[int(cls)]] = 1

            analytics.update_bar(clswise_count)
            clswise_count = {}

        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        break

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

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8s.pt")

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("area_plot.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

analytics = solutions.Analytics(
    type="area",
    writer=out,
    im0_shape=(w, h),
    view_img=True,
)

clswise_count = {}
frame_count = 0

while cap.isOpened():
    success, frame = cap.read()
    if success:
        frame_count += 1
        results = model.track(frame, persist=True, verbose=True)

        if results[0].boxes.id is not None:
            boxes = results[0].boxes.xyxy.cpu()
            clss = results[0].boxes.cls.cpu().tolist()

            for box, cls in zip(boxes, clss):
                if model.names[int(cls)] in clswise_count:
                    clswise_count[model.names[int(cls)]] += 1
                else:
                    clswise_count[model.names[int(cls)]] = 1

        analytics.update_area(frame_count, clswise_count)
        clswise_count = {}
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    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
`type`	`str`	`None`	データまたはオブジェクトのタイプ。
`im0_shape`	`tuple`	`None`	初期画像の形状。
`writer`	`cv2.VideoWriter`	`None`	ビデオファイルを書き込むためのオブジェクト。
`title`	`str`	`ultralytics`	ビジュアライゼーションのタイトル
`x_label`	`str`	`x`	X軸のラベル。
`y_label`	`str`	`y`	Y軸のラベル。
`bg_color`	`str`	`white`	背景色。
`fg_color`	`str`	`black`	前景色。
`line_color`	`str`	`yellow`	ラインの色。
`line_width`	`int`	`2`	線の幅。
`fontsize`	`int`	`13`	テキストのフォントサイズ。
`view_img`	`bool`	`False`	画像またはビデオを表示するフラグ。
`save_img`	`bool`	`True`	画像またはビデオを保存するフラグ。
`max_points`	`int`	`50`	複数の線分の場合、最初の点を削除する前に、フレーム上に描画された合計点。
`points_width`	`int`	`15`	ラインポイントの蛍光ペンの幅。

論争 `model.track`

名称	タイプ	デフォルト	説明
`source`	`im0`	`None`	画像またはビデオのソース・ディレクトリ
`persist`	`bool`	`False`	フレーム間のトラックの持続
`tracker`	`str`	`botsort.yaml`	トラッキングメソッド「bytetrack」または「botsort
`conf`	`float`	`0.3`	信頼閾値
`iou`	`float`	`0.5`	借用書のしきい値
`classes`	`list`	`None`	つまり、class=0、またはclass=[0,2,3]。
`verbose`	`bool`	`True`	物体追跡結果を表示する

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 YOLOv8 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 YOLOv8 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：

YOLOv8 モデルを読み込み、ビデオファイルを開きます。
を初期化する。 Analytics クラスで、タイプは "line "に設定されている。
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。
折れ線グラフを表示する出力ビデオを保存する。

例

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8s.pt")
cap = cv2.VideoCapture("Path/to/video/file.mp4")
out = cv2.VideoWriter("line_plot.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

analytics = solutions.Analytics(type="line", writer=out, im0_shape=(w, h), view_img=True)

while cap.isOpened():
    success, frame = cap.read()
    if success:
        results = model.track(frame, persist=True)
        total_counts = sum([1 for box in results[0].boxes.xyxy])
        analytics.update_line(frame_count, total_counts)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

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

の設定の詳細については Analytics クラスは Ultralytics YOLOv8 📊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 YOLOv8 を使用する利点は何ですか？

棒グラフの作成にUltralytics YOLOv8 を使うと、いくつかの利点がある：

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。
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。
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。
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 YOLO, solutions

model = YOLO("yolov8s.pt")
cap = cv2.VideoCapture("Path/to/video/file.mp4")
out = cv2.VideoWriter("bar_plot.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

analytics = solutions.Analytics(type="bar", writer=out, im0_shape=(w, h), view_img=True)

while cap.isOpened():
    success, frame = cap.read()
    if success:
        results = model.track(frame, persist=True)
        clswise_count = {
            model.names[int(cls)]: boxes.size(0)
            for cls, boxes in zip(results[0].boxes.cls.tolist(), results[0].boxes.xyxy)
        }
        analytics.update_bar(clswise_count)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        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 YOLOv8 を使用するのはなぜですか？

Ultralytics YOLOv8 は円グラフの作成に最適である：

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。
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。
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。
リアルタイム更新：ビデオ解析プロジェクトに最適な、リアルタイムのデータ処理と可視化。

簡単な例を挙げよう：

import cv2

from ultralytics import YOLO, solutions

model = YOLO("yolov8s.pt")
cap = cv2.VideoCapture("Path/to/video/file.mp4")
out = cv2.VideoWriter("pie_chart.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

analytics = solutions.Analytics(type="pie", writer=out, im0_shape=(w, h), view_img=True)

while cap.isOpened():
    success, frame = cap.read()
    if success:
        results = model.track(frame, persist=True)
        clswise_count = {
            model.names[int(cls)]: boxes.size(0)
            for cls, boxes in zip(results[0].boxes.cls.tolist(), results[0].boxes.xyxy)
        }
        analytics.update_pie(clswise_count)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        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 YOLOv8 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 YOLOv8 、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 YOLO, solutions

model = YOLO("yolov8s.pt")
cap = cv2.VideoCapture("Path/to/video/file.mp4")
out = cv2.VideoWriter("line_plot.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

analytics = solutions.Analytics(type="line", writer=out, im0_shape=(w, h), view_img=True)

while cap.isOpened():
    success, frame = cap.read()
    if success:
        results = model.track(frame, persist=True)
        total_counts = sum([1 for box in results[0].boxes.xyxy])
        analytics.update_line(frame_count, total_counts)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        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 YOLOv8 、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何が違うのか？

Ultralytics YOLOv8 は、OpenCVやTensorFlow のような他の物体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：

最先端の精度：YOLOv8 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。
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。
多様なアプリケーション：複数オブジェクトの追跡、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など、さまざまなタスクをサポートします。
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。

作成日：2024-05-23 更新日：2024-07-05
著者：glenn-jocher(4),IvorZhu331(1),RizwanMunawar(3)