Ultralytics ソリューションYOLO11 、現実の問題を解決する。

Q: What are the benefits of using Ultralytics YOLO for security systems?

Ultralytics YOLO11 は、リアルタイムの物体検知とアラートメカニズムを提供することで、セキュリティシステムを強化します。YOLO11 を使用することで、監視エリア内で新しい物体が検出されたときにアラートをトリガーするセキュリティアラームシステムを構築できます。強固なセキュリティ監視のために、YOLO11 を使用してセキュリティアラームシステムをセットアップする方法をご覧ください。

Ultralytics ソリューションは、YOLO モデルの最先端のアプリケーションを提供し、オブジェクトのカウント、ぼかし、セキュリティシステムなどの現実的なソリューションを提供し、さまざまな産業における効率と精度を高めます。実用的でインパクトのある実装のためのYOLO11 のパワーを発見してください。

見るんだ： コマンドラインからUltralytics ソリューションを実行する方法 (CLI) |Ultralytics YOLO11 🚀 🚀 ．

ソリューション

ここでは、素晴らしいコンピュータビジョンプロジェクトを作成するために使用できるUltralytics ソリューションを厳選してご紹介します。

オブジェクトのカウント YOLO11リアルタイムのオブジェクトカウントを学びましょう。ライブビデオストリームのオブジェクトを正確にカウントするための専門知識を身につけましょう。
オブジェクトの切り抜き：YOLO11 オブジェクトのクロッピングをマスターすれば、画像やビデオからオブジェクトを正確に抽出できます。
オブジェクトぼかし：YOLO11 使用してオブジェクトぼかしを適用し、画像やビデオ処理でプライバシーを保護します。
ワークアウトのモニタリング YOLO11ワークアウトをモニターする方法をご紹介します。様々なフィットネス・ルーティンをリアルタイムで追跡・分析する方法を学びましょう。
領域内の物体カウント：YOLO11 使用して特定の領域で物体をカウントし、さまざまな領域で正確な検出を行います。
セキュリティアラームシステム：YOLO11 、新しい物体を検知するとアラームが鳴るセキュリティアラームシステムを作りましょう。あなたのニーズに合わせてシステムをカスタマイズしてください。
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視覚化し、コンピュータビジョンタスクで明確な洞察を提供します。
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：YOLO11 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と継続的なモニタリングを実現します。
VisionEyeビュー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、細部を識別して優先順位をつけるコンピュータの能力を強化する。
速度推定：YOLO11 物体追跡技術を使用して物体の速度を推定します。これは自律走行車や交通監視などのアプリケーションに不可欠です。
距離計算：空間分析に不可欠なYOLO11 バウンディングボックスのセントロイドを使用して、オブジェクト間の距離を計算します。
待ち行列管理：YOLO11使用して、待ち時間を最小限に抑え、生産性を向上させる効率的なキュー管理システムを導入します。
駐車場管理：YOLO11駐車場内の車両の流れを整理し、誘導することで、スペースの利用率とユーザー体験を最適化します。
分析：YOLO11 記述分析、予測分析、処方分析を活用して、包括的なデータ分析を行い、パターンを発見し、十分な情報に基づいた意思決定を行います。
Streamlitによるライブ推論：YOLO11 パワーを活用し、ユーザーフレンドリーなStreamlitインターフェイスを使って、ウェブブラウザから直接リアルタイムの物体検出ができます。
ゾーン内のオブジェクトを追跡🚀新機能：YOLO11 使用してビデオフレームの特定のゾーン内のオブジェクトを追跡する方法を学び、正確で効率的なモニタリングを実現します。

解決策の議論

議論	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。
`region`	`list`	`[(20, 400), (1260, 400)]`	カウント領域を定義する点のリスト。
`show_in`	`bool`	`True`	ビデオストリームにインカウントを表示するかどうかを制御するフラグ。
`show_out`	`bool`	`True`	ビデオストリームにアウトカウントを表示するかどうかを制御するフラグ。
`analytics_type`	`str`	`line`	グラフの種類、 `line`, `bar`, `area`あるいは `pie`.
`colormap`	`int`	`cv2.COLORMAP_JET`	ヒートマップに使用するカラーマップ。
`json_file`	`str`	`None`	すべての駐車座標データを含むJSONファイルへのパス。
`up_angle`	`float`	`145.0`	アップ」ポーズの角度基準値。
`kpts`	`list[int, int, int]`	`[6, 8, 10]`	ワークアウトのモニタリングに使用されるキーポイントのリスト。これらのキーポイントは、腕立て伏せ、懸垂、スクワット、腹筋運動などのエクササイズで、肩、肘、手首などの体の関節や部位に対応しています。
`down_angle`	`float`	`90.0`	ダウン」ポーズの角度基準値。
`blur_ratio`	`float`	`0.5`	ぼかしの強さのパーセンテージを調整します。 `0.1 - 1.0`.
`crop_dir`	`str`	`"cropped-detections"`	切り取られた検出を保存するためのディレクトリ名。
`records`	`int`	`5`	セキュリティアラームシステムで電子メールをトリガするための総検出数。
`vision_point`	`tuple[int, int]`	`(50, 50)`	VisionEye Solutionを使用して、ビジョンが物体を追跡し、パスを描画する点。
`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。
`device`	`str`	`None`	推論を行うデバイスを指定する（例． `cpu`, `cuda:0` または `0`).CPU 、特定のGPU 、またはモデル実行用の他のコンピュート・デバイスを選択することができます。
`show`	`bool`	`False`	もし `True`注釈付きの画像やビデオをウィンドウに表示します。開発中やテスト中の即時の視覚的フィードバックに便利です。
`line_width`	`None or int`	`None`	バウンディングボックスの線幅を指定します。もし `None`線幅は画像サイズに応じて自動的に調整されます。視覚的にわかりやすくカスタマイズできます。

トラックの引数

ソリューションはまた、次のような議論もサポートしている。 trackなどのパラメーターを含む。 conf, line_width, tracker, model, show, verbose そして classes.

議論	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。
`device`	`str`	`None`	推論を行うデバイスを指定する（例． `cpu`, `cuda:0` または `0`).CPU 、特定のGPU 、またはモデル実行用の他のコンピュート・デバイスを選択することができます。

SolutionAnnotatorの使用法

すべてのUltralytics ソリューションは、個別のクラス SolutionAnnotatorを拡張する。 Annotator クラスがあり、以下のメソッドを持っている：

方法	リターン・タイプ	説明
`draw_region()`	`None`	指定した点、色、太さで領域を描画します。
`queue_counts_display()`	`None`	指定された地域のキュー数を表示する。
`display_analytics()`	`None`	駐車場管理の全体的な統計情報を表示します。
`estimate_pose_angle()`	`float`	オブジェクトのポーズの3点間の角度を計算します。
`draw_specific_points()`	`None`	画像上に特定のキーポイントを描画する。
`plot_workout_information()`	`None`	画像上にラベル付きテキストボックスを描画します。
`plot_angle_and_count_and_stage()`	`None`	角度、歩数、ステージを可視化し、ワークアウトをモニタリング。
`plot_distance_and_line()`	`None`	セントロイド間の距離を表示し、線で結ぶ。
`display_objects_labels()`	`None`	オブジェクトクラスのラベルでバウンディングボックスをアノテートします。
`seg_bbox()`	`None`	分割されたオブジェクトの輪郭を描画し、オプションでラベルを付ける。
`sweep_annotator()`	`None`	垂直スイープラインとオプションのラベルを表示します。
`visioneye()`	`None`	オブジェクトの中心点を視覚的な「目」ポイントにマップし、つなげる。
`circle_label()`	`None`	バウンディングボックスの代わりに円形のラベルを描画する。
`text_label()`	`None`	バウンディングボックスの代わりに矩形のラベルを描画する。

SolutionResultsの操作

すべてのソリューションズコールは SolutionResults オブジェクトがあり、ソリューションに関する包括的な情報が含まれている。

オブジェクトカウンティングの結果は以下の通り。 incounts, outcountsそして classwise_counts.

ソリューション結果

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.count(im0)
print(results.in_counts)  # display in_counts
print(results.out_counts)  # display out_counts

詳細は SolutionResults クラス文書.

CLIソリューションの使用

コマンド情報

ソリューションのほとんどは、コマンドラインインターフェイスから直接使用できる：

Count, Crop, Blur, Workout, Heatmap, Isegment, Visioneye, Speed, Queue, Analytics, Inference

構文

yolo SOLUTIONS SOLUTION_NAME ARGS

SOLUTIONSは必須キーワードです。
ソリューション名 の一つである： ['count', 'crop', 'blur', 'workout', 'heatmap', 'isegment', 'queue', 'speed', 'analytics', 'trackzone', 'inference', 'visioneye'].
ARGS (オプション）はカスタム arg=value のようなペアがある。 show_in=Trueデフォルト設定を上書きする。

yolo solutions count show=True # for object counting

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

ソリューションへの貢献

私たちはコミュニティからの貢献を歓迎します！もしあなたがUltralytics YOLO の特定の側面をマスターしていて、私たちのソリューションでまだカバーされていないのであれば、あなたの専門知識を共有することをお勧めします。ガイドを書くことは、コミュニティに恩返しをし、私たちのドキュメントをより包括的でユーザーフレンドリーにするのに役立つ素晴らしい方法です。

まずは、プルリクエスト(PR) 🛠️ の開設方法に関するガイドラインについて、貢献ガイドをお読みください。あなたの貢献を楽しみにしています！

Ultralytics YOLO エコシステムをより強固で汎用性の高いものにするため、一緒に頑張りましょう🙏！

よくあるご質問

Ultralytics YOLO をリアルタイムの物体カウントに使用するにはどうすればよいですか？

Ultralytics YOLO11 は、その高度なオブジェクト検出機能を活用することで、リアルタイムのオブジェクトカウントに使用できます。YOLO11 、ライブビデオストリーム解析用にセットアップすることができます。YOLO11 をインストールし、モデルをロードしてビデオフレームを処理するだけで、オブジェクトを動的にカウントできます。

Ultralytics YOLO をセキュリティシステムに使用するメリットは何ですか？

Ultralytics YOLO11 は、リアルタイムの物体検出とアラートメカニズムを提供することで、セキュリティシステムを強化します。YOLO11 を使用することで、監視エリア内で新しい物体が検出されたときにアラートをトリガーするセキュリティアラームシステムを構築できます。強固なセキュリティ監視のために、YOLO11 を使用してセキュリティアラームシステムをセットアップする方法をご覧ください。

Ultralytics YOLO キュー・マネジメント・システムをどのように改善できるか？

Ultralytics YOLO11 は、待ち行列内の人々を正確にカウント・追跡することで、待ち行列管理システムを大幅に改善し、待ち時間の短縮とサービス効率の最適化に貢献します。待ち行列管理に関する詳細なガイドに従って、効果的な待ち行列のモニタリングと分析のためにYOLO11 を実装する方法を学んでください。

Ultralytics YOLO はワークアウトのモニタリングに使えますか？

Ultralytics YOLO11 は、フィットネス・ルーティンをリアルタイムで追跡・分析することで、ワークアウトのモニタリングに効果的に使用できます。これにより、エクササイズのフォームやパフォーマンスを正確に評価することができます。ワークアウトのモニタリングに関するガイドを参照して、YOLO11 を使用したAI搭載ワークアウトモニタリングシステムのセットアップ方法を学んでください。

Ultralytics YOLO データ可視化のためのヒートマップ作成にどのように役立ちますか？

Ultralytics YOLO11 は、ヒートマップを生成して、与えられた領域全体のデータ強度を視覚化し、アクティビティの高い領域や関心のある領域を強調することができます。この機能は、様々なコンピュータビジョンタスクのパターンや傾向を理解する際に特に役立ちます。包括的なデータ分析と視覚化のためのYOLO11 でのヒートマップの作成と使用について、詳しくはこちらをご覧ください。

📅作成：9ヶ月前 ✏️更新しました 1日前