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

Ultralytics SolutionsはYOLOモデルの最先端アプリケーションを提供し、オブジェクトカウント、モザイク処理、セキュリティシステムなどの実世界ソリューションを提供し、多様な産業における効率とaccuracyを向上させます。実用的で効果的な実装のために、YOLO26のパワーを発見してください。

ソリューション#

素晴らしいcomputer visionプロジェクトの作成に使用できるUltralyticsソリューションのキュレーションリストです。

• Analytics: 包括的なデータ分析を実行してパターンを発見し、情報に基づいた決定を下します。記述的、予測的、および処方的な分析にYOLO26を活用します。
• Distance Calculation: YOLO26のbounding box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。これは空間分析に不可欠です。
• Heatmaps: 検出ヒートマップを利用してマトリックス全体のデータ強度を視覚化し、computer visionタスクで明確なインサイトを提供します。
• Instance Segmentation with Object Tracking: YOLO26でinstance segmentation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。
• Live Inference with Streamlit: ユーザーフレンドリーなStreamlitインターフェースを使用して、Webブラウザから直接リアルタイムobject detectionにYOLO26のパワーを活用します。
• Object Blurring: 画像および動画処理においてプライバシーを保護するために、YOLO26を使用してオブジェクトのぼかしを適用します。
• Object Counting: YOLO26でリアルタイムオブジェクトカウントを実行する方法を学びます。ライブビデオストリーム内のオブジェクトを正確にカウントする専門知識を習得します。
• Object Counting in Regions: さまざまな領域で正確に検出するために、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ます。
• Object Cropping: 画像や動画からオブジェクトを正確に抽出するために、YOLO26によるオブジェクトの切り抜きをマスターします。
• Parking Management: YOLO26を使用して駐車場の車両の流動を整理および誘導し、スペースの利用率とユーザーエクスペリエンスを最適化します。
• Queue Management: 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、生産性を向上させます。
• Security Alarm System: 新しいオブジェクトの検出時にアラートをトリガーするYOLO26を使用したセキュリティアラームシステムを作成します。特定のニーズに合わせてシステムをカスタマイズします。
• Similarity Search: 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取得を有効にし、「バッグを持っている人」や「動いている車両」などの自然言語クエリを可能にします。
• Speed Estimation: 自動運転車や交通モニタリングなどのアプリケーションに不可欠な、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。
• Track Objects in Zone: 正確かつ効率的なモニタリングのために、YOLO26を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ます。
• VisionEye View Objects Mapping: 特定のオブジェクトに焦点を当てる人間の目を模倣したシステムを開発し、コンピュータの詳細を識別して優先順位付けする能力を向上させます。
• Workouts Monitoring: YOLO26を使用してワークアウトをモニタリングする方法を発見します。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および分析する方法を学びます。

ソリューションの引数#

SolutionAnnotatorの使用方法#

すべての Ultralytics ソリューションは、メインの Annotator クラスを拡張する独立した SolutionAnnotator クラスを使用し、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の場合、結果にはin_count、out_count、および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オブジェクトは次の属性を持っています:

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

CLIによるSolutionsの使用#

yolo solutions count show=True # for object counting

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

Solutionsへの貢献#

コミュニティからの貢献を歓迎します！まだ私たちのソリューションでカバーされていないUltralytics YOLOの特定の側面を習得された場合は、ぜひ専門知識を共有してください。ガイドを書くことは、コミュニティに還元し、ドキュメントをより包括的かつユーザーフレンドリーにするための素晴らしい方法です。

始めるには、プルリクエスト (PR) 🛠️を開く方法に関するガイドについて、Contributing Guideをお読みください。皆様の貢献をお待ちしております！

一緒にUltralytics YOLOエコシステムをより強力で多用途なものにしていきましょう 🙏！

よくある質問 (FAQ)#