Ultralytics Solutions：YOLO26を活用して現実世界の課題を解決#

Ultralytics Solutionsは、YOLOモデルの最先端の応用を提供し、オブジェクトカウント、ぼかし、セキュリティシステムなど、さまざまな業界で効率と精度を高める現実世界のソリューションを実現します。YOLO26が実用的で大きな効果をもたらす実装に発揮する力をご確認ください。

ソリューション#

YOLO26を活用して優れたコンピュータビジョンプロジェクトを作成できる、厳選したUltralyticsのソリューション一覧をご紹介します。

• 分析：包括的なデータ分析を実施してパターンを発見し、YOLO26を活用した記述的分析、予測分析、処方的分析によって、十分な情報に基づく意思決定を行います。
• 距離計算：YOLO26でバウンディングボックスの重心間の距離を計算します。空間分析に不可欠です。
• ヒートマップ：検出ヒートマップを使用してマトリックス全体のデータ強度を可視化し、コンピュータビジョンタスクに明確な洞察をもたらします。
• オブジェクトトラッキングを伴うインスタンスセグメンテーション：YOLO26でインスタンスセグメンテーションとオブジェクトトラッキングを実装し、正確なオブジェクト境界の把握と継続的な監視を実現します。
• Streamlitによるライブ推論：使いやすいStreamlitインターフェースを通じて、Webブラウザーから直接、YOLO26の能力を活用したリアルタイムのオブジェクト検出を実行します。
• オブジェクトのぼかし：YOLO26を使用してオブジェクトにぼかしを適用し、画像や動画の処理におけるプライバシーを保護します。
• オブジェクトカウント：YOLO26でリアルタイムのオブジェクトカウントを実行する方法を学びます。ライブ動画ストリーム内のオブジェクトを正確にカウントするスキルを身につけます。
• 領域内のオブジェクトカウント：YOLO26を使用して特定の領域内のオブジェクトをカウントし、さまざまなエリアで正確に検出します。
• オブジェクトの切り出し：YOLO26によるオブジェクトの切り出しを習得し、画像や動画からオブジェクトを正確に抽出します。
• 駐車場管理：YOLO26で駐車エリア内の車両の流れを整理・誘導し、スペースの利用効率とユーザー体験を最適化します。
• キュー管理：YOLO26を使用して効率的なキュー管理システムを実装し、待ち時間を最小限に抑えて生産性を向上させます。
• セキュリティアラームシステム：新しいオブジェクトを検出した際にアラートを発するセキュリティアラームシステムをYOLO26で構築します。特定のニーズに合わせてシステムをカスタマイズできます。
• 類似検索：OpenAI CLIPの埋め込みとコサイン類似度検索を組み合わせてインテリジェントな画像検索を実現し、「バッグを持っている人」や「移動中の車両」のような自然言語クエリを使用できます。
• 速度推定：YOLO26とオブジェクトトラッキング技術を使用してオブジェクトの速度を推定します。自動運転車や交通監視などのアプリケーションに不可欠です。
• ゾーン内のオブジェクトトラッキング：YOLO26を使用して動画フレーム内の特定のゾーンにあるオブジェクトを追跡し、正確かつ効率的に監視する方法を学びます。
• VisionEyeによるオブジェクトマッピング：特定のオブジェクトに対する人間の目の焦点を模倣するシステムを開発し、コンピューターが詳細を識別して優先順位を付ける能力を高めます。
• ワークアウト監視：YOLO26を使用してワークアウトを監視する方法を学びます。さまざまなフィットネスルーティンをリアルタイムで追跡・分析する方法を身につけます。

ソリューションの引数#

SolutionAnnotatorの使用#

すべてのUltralytics Solutionsは、独立したSolutionAnnotatorクラスを使用します。このクラスはメインのAnnotatorクラスを拡張しており、次のメソッドを備えています。

SolutionResultsの操作#

Similarity Searchを除き、各Solutionの呼び出しはSolutionResultsオブジェクトを返します。

• オブジェクトカウントでは、結果にin_count、out_count、classwise_countが含まれます。

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="yolo26n.pt",  # model="yolo26n-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オブジェクトには次の属性があります。

詳細については、SolutionResultsクラスのドキュメントを参照してください。

CLIによるソリューションの使用#

yolo solutions count show=True # for object counting

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

ソリューションに貢献する#

コミュニティからの貢献を歓迎します。Ultralytics YOLOの特定の分野に精通しており、まだソリューションで扱われていない内容がある場合は、ぜひ知識を共有してください。ガイドを執筆することは、コミュニティに貢献し、ドキュメントをより包括的で使いやすいものにするための優れた方法です。

始めるには、Pull Request（PR）をオープンする方法に関するガイドラインをまとめた貢献ガイドをお読みください 🛠️。皆様からの貢献をお待ちしています。

力を合わせて、Ultralytics YOLOエコシステムをより堅牢で多用途なものにしていきましょう 🙏！

FAQ#