Ultralytics YOLO26을 활용한 분석#
Ultralytics YOLO26을 사용한 분석(Analytics)은 객체 검출 및 트래킹 결과를 실시간 차트로 변환하므로 비디오 프레임 전체에서 객체 수가 어떻게 변화하는지 프레임별로 확인할 수 있습니다. 본 가이드에서는 선 그래프, 막대 그래프, 원형 차트, 영역 플롯 등 네 가지 데이터 시각화 유형을 다루며, 공통된 Python 및 CLI 예제를 통해 이들 간에 전환하는 방법을 보여줍니다.
Watch: How to generate Analytical Graphs using Ultralytics | Line Graphs, Bar Plots, Area and Pie Charts
시각적 샘플#
| 선 그래프 | 막대 그래프 | 원형 차트 |
|---|---|---|
 |  |  |
탐지 데이터를 시각화해야 하는 이유는 무엇입니까?#
- **꺾은선 그래프(Line graphs)**는 단기 및 장기적인 변화를 추적하고 동일한 기간 동안 여러 그룹의 변화를 비교하는 데 이상적입니다.
- **막대 그래프(Bar plots)**는 여러 카테고리에 걸쳐 수량을 비교하고 카테고리와 수치 값 간의 관계를 보여주는 데 적합합니다.
- **원형 차트(Pie charts)**는 카테고리 간의 비율을 나타내고 전체의 일부분을 보여주는 데 효과적입니다.
- **영역 그래프(Area plots)**는 꺾은선 그래프의 아래 영역을 채워 클래스별 객체 수 변화를 한눈에 더 쉽게 파악할 수 있게 합니다.
분석 그래프 생성하기#
Analytics 솔루션에 비디오를 전달하고 analytics_type로 차트를 선택합니다. 이 솔루션은 모든 프레임에서 검출 및 트래킹을 실행하며, 출력 비디오에 직접 기록할 수 있는 1280×720 크기의 차트(기본값)를 렌더링합니다. 단일 인수를 사용하여 "line", "bar", "pie", "area" 간에 전환합니다.
yolo solutions analytics show=True
# Pass the source
yolo solutions analytics source="path/to/video.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=TrueAnalytics 인수#
다음은 Analytics 인수를 요약한 표입니다:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
model | str | None | Ultralytics YOLO 모델 파일 경로입니다. |
analytics_type | str | 'line' | 그래프 유형, 즉 line, bar, area, 또는 pie. |
Analytics 솔루션에서 다양한 track 인수를 활용할 수도 있습니다.
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | 사용할 추적 알고리즘을 지정합니다. 기본 제공 옵션: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.1 | 탐지에 대한 신뢰도 임계값을 설정합니다. 값이 낮을수록 더 많은 객체가 추적되지만 잘못된 긍정 탐지(false positives)가 포함될 수 있습니다. |
iou | float | 0.7 | 겹치는 감지를 필터링하기 위한 Intersection over Union (IoU) 임계값을 설정합니다. |
classes | list | None | 클래스 인덱스로 결과를 필터링합니다. 예를 들어 classes=[0, 2, 3]은 지정된 클래스만 추적합니다. |
verbose | bool | True | 추적 결과 표시를 제어하여 추적된 객체의 시각적 출력을 제공합니다. |
device | str | None | 추론용 장치를 지정합니다(예: cpu, cuda:0 또는 0). 사용자가 모델 실행을 위해 CPU, 특정 GPU 또는 기타 컴퓨팅 장치 중에서 선택할 수 있도록 합니다. |
추가적으로 다음 시각화 인수가 지원됩니다:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
show | bool | False | True인 경우, 주석이 달린 이미지나 비디오를 창에 표시합니다. 개발 또는 테스트 중 즉각적인 시각적 피드백에 유용합니다. |
line_width | int or None | None | 바우딩 박스의 선 두께를 지정합니다. None인 경우, 선 두께가 이미지 크기에 따라 자동으로 조정됩니다. 가독성을 위한 시각적 커스텀을 제공합니다. |
결론#
효과적인 데이터 분석을 위해서는 다양한 유형의 시각화를 언제, 어떻게 사용해야 하는지 이해하는 것이 매우 중요합니다. 선 그래프, 막대 그래프, 원형 차트는 데이터의 스토리를 더 명확하고 효과적으로 전달하는 데 도움을 주는 기본적인 도구입니다. Ultralytics YOLO26 Analytics 솔루션은 객체 검출 및 트래킹 결과로부터 이러한 시각화를 생성하는 간소화된 방법을 제공하므로 시각적 데이터에서 의미 있는 인사이트를 더 쉽게 추출할 수 있습니다.
FAQ#
Ultralytics YOLO26 Analytics를 사용하여 선 그래프를 만들려면 어떻게 해야 합니까?#
Ultralytics YOLO26 Analytics를 사용하여 선 그래프를 만들려면 다음 단계를 따르십시오:
- YOLO26 모델을 로드하고 비디오 파일을 엽니다.
analytics_type="line"을 사용하여Analytics클래스를 초기화합니다.- 비디오 프레임을 반복하며 매 프레임마다 솔루션을 호출하여 객체 수와 같은 데이터로 꺾은선 그래프를 업데이트합니다.
- 차트를 저장하려면
results.plot_im을 출력 비디오에 기록합니다.
위의 Python 예제를 시작점으로 사용하세요. 이미 전체 프레임 루프가 실행되며, 선 그래프가 기본 analytics_type입니다.
Ultralytics YOLO26을 사용하여 막대 그래프를 생성하면 어떤 이점이 있습니까?#
Ultralytics YOLO26을 사용하여 막대 그래프를 생성하면 다음과 같은 여러 이점이 있습니다:
- 실시간 데이터 시각화: 객체 검출 결과를 막대 그래프에 원활하게 통합하여 동적으로 업데이트합니다.
- 사용 편의성: 간단한 API와 함수를 통해 데이터를 구현하고 시각화하기가 매우 쉽습니다.
- 사용자 지정: 제목, 레이블, 색상 등을 특정 요구 사항에 맞게 사용자 지정할 수 있습니다.
- 효율성: 많은 양의 데이터를 효율적으로 처리하고 비디오 처리 중에 실시간으로 그래프를 업데이트합니다.
막대 그래프를 생성하려면 위의 Python 예제에서 analytics_type="bar"을 설정하십시오. 나머지 프레임 루프는 동일합니다. 미리 보려면 Visual Samples 섹션을 참조하십시오.
데이터 시각화 프로젝트에서 원형 차트를 만들기 위해 Ultralytics YOLO26을 사용해야 하는 이유는 무엇입니까?#
Ultralytics YOLO26은 다음과 같은 이유로 원형 차트를 만들기에 탁월한 선택입니다:
- 객체 탐지와의 통합: 객체 탐지 결과를 원형 차트에 직접 통합하여 즉각적인 인사이트를 얻을 수 있습니다.
- 사용자 친화적인 API: 최소한의 코드로 설정 및 사용이 간편합니다.
- 사용자 지정 가능: 색상, 레이블 등에 대한 다양한 사용자 지정 옵션을 제공합니다.
- 실시간 업데이트: 비디오 분석 프로젝트에 이상적인 실시간 데이터 처리 및 시각화가 가능합니다.
원형 차트를 생성하려면 위의 Python 예제에서 analytics_type="pie"을 설정하십시오. 자세한 내용은 가이드의 Visual Samples 섹션을 참조하십시오.
Ultralytics YOLO26을 사용하여 객체를 추적하고 시각화 자료를 동적으로 업데이트할 수 있습니까?#
네. 트래킹은 Analytics 솔루션에 기본 내장되어 있습니다. 실시간으로 여러 객체를 추적하고 매 프레임 추적된 객체의 데이터를 기반으로 차트를 업데이트하므로 선 그래프, 막대 그래프, 원형 차트, 영역 플롯 모두 라이브 카운트를 반영합니다. 이것이 바로 위의 Python 예제에 있는 프레임 루프가 수행하는 작업입니다. 기본 트래킹 기능에 대해 알아보려면 Tracking 섹션을 참조하세요.
Ultralytics YOLO26이 OpenCV 및 TensorFlow와 같은 다른 객체 검출 솔루션과 다른 점은 무엇인가요?#
Ultralytics YOLO26은 다음과 같은 여러 이유로 OpenCV 및 TensorFlow와 같은 다른 객체 탐지 솔루션과 차별화됩니다:
- 최첨단 정확도: YOLO26은 객체 검출, 인스턴스 세그멘테이션, 시맨틱 세그멘테이션, 분류 작업에서 뛰어난 정확도를 제공합니다.
- 사용 편의성: 사용자 친화적인 API를 통해 복잡한 코딩 없이도 빠르게 구현하고 통합할 수 있습니다.
- 실시간 성능: 고속 추론에 최적화되어 실시간 애플리케이션에 적합합니다.
- 다양한 애플리케이션: 다중 객체 추적, 사용자 지정 모델 학습, ONNX, TensorRT, CoreML과 같은 다양한 형식으로의 내보내기를 포함한 여러 작업을 지원합니다.
- 포괄적인 문서: 사용자가 모든 단계를 거쳐갈 수 있도록 안내하는 광범위한 문서 및 블로그 리소스를 제공합니다.
더 자세한 비교와 사용 사례를 보려면 Ultralytics Blog를 살펴보세요.