고급 데이터 시각화: Ultralytics YOLO26을 이용한 히트맵 🚀
히트맵 소개
Ultralytics YOLO26으로 생성된 히트맵은 복잡한 데이터를 생생한 색상 코드 행렬로 변환합니다. 이 시각화 도구는 다양한 색상 스펙트럼을 사용하여 데이터 값을 나타내며, 따뜻한 색상은 더 높은 강도를, 차가운 색상은 더 낮은 값을 의미합니다. 히트맵은 복잡한 데이터 패턴, 상관관계 및 이상 징후를 시각화하는 데 뛰어나며, 다양한 영역에서 데이터 해석을 위한 접근하기 쉽고 매력적인 방법을 제공합니다.
Watch: Heatmaps using Ultralytics YOLO26
데이터 분석을 위해 히트맵을 선택해야 하는 이유는 무엇입니까?
- 직관적인 데이터 분포 시각화: 히트맵은 데이터 집중도와 분포에 대한 이해를 단순화하여 복잡한 데이터셋을 이해하기 쉬운 시각적 형식으로 변환합니다.
- 효율적인 패턴 탐지: 데이터를 히트맵 형식으로 시각화하면 트렌드, 클러스터, 이상치를 더 쉽게 포착할 수 있어 더 빠른 분석과 인사이트 도출이 가능해집니다.
- 향상된 공간 분석 및 의사결정: 히트맵은 공간적 관계를 설명하는 데 유용하며 비즈니스 인텔리전스, 환경 연구, 도시 계획과 같은 분야에서 의사결정 과정을 지원합니다.
실제 세계에서의 활용 사례
| 교통 | 소매 |
|---|---|
 |  |
| Ultralytics YOLO26 교통 히트맵 | Ultralytics YOLO26 소매 히트맵 |
# Run a heatmap example
yolo solutions heatmap show=True
# Pass a source video
yolo solutions heatmap source="path/to/video.mp4"
# Pass a custom colormap
yolo solutions heatmap colormap=cv2.COLORMAP_INFERNO
# Heatmaps + object counting
yolo solutions heatmap region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"Heatmap() 인수
다음은 Heatmap 인수를 나타낸 표입니다:
| 인수(Argument) | 유형(Type) | 기본값(Default) | 설명 |
|---|---|---|---|
model | str | None | Ultralytics YOLO 모델 파일 경로입니다. |
colormap | int | cv2.COLORMAP_DEEPGREEN | 히트맵에 사용할 컬러맵입니다. |
show_in | bool | True | 비디오 스트림에 유입(in) 계수를 표시할지 여부를 제어하는 플래그입니다. |
show_out | bool | True | 비디오 스트림에 유출(out) 계수를 표시할지 여부를 제어하는 플래그입니다. |
region | list | '[(20, 400), (1260, 400)]' | 계수 영역을 정의하는 점들의 목록입니다. |
You can also apply different track arguments in the Heatmap solution.
| 인수(Argument) | 유형(Type) | 기본값(Default) | 설명 |
|---|---|---|---|
tracker | str | 'botsort.yaml' | 사용할 추적 알고리즘을 지정합니다. 예: bytetrack.yaml 또는 botsort.yaml. |
conf | float | 0.1 | 탐지에 대한 신뢰도 임계값을 설정합니다. 낮은 값을 사용할수록 더 많은 객체가 추적되지만 오탐지가 포함될 수 있습니다. |
iou | float | 0.7 | 중복 탐지를 필터링하기 위한 Intersection over Union (IoU) 임계값을 설정합니다. |
classes | list | None | 클래스 인덱스별로 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 | 추론을 위한 장치(예: cpu, cuda:0 또는 0)를 지정합니다. 모델 실행을 위해 CPU, 특정 GPU 또는 기타 컴퓨팅 장치 중 하나를 선택할 수 있습니다. |
또한, 지원되는 시각화 인수는 아래에 나열되어 있습니다:
| 인수(Argument) | 유형(Type) | 기본값(Default) | 설명 |
|---|---|---|---|
show | bool | False | True인 경우 주석이 달린 이미지나 비디오를 창에 표시합니다. 개발 또는 테스트 중 즉각적인 시각적 피드백을 얻는 데 유용합니다. |
line_width | int or None | None | 바운딩 박스의 선 두께를 지정합니다. None인 경우 이미지 크기에 따라 선 두께가 자동으로 조정됩니다. 명확성을 위한 시각적 사용자 정의를 제공합니다. |
show_conf | bool | True | 레이블과 함께 각 탐지에 대한 신뢰도 점수를 표시합니다. 각 탐지에 대한 모델의 확신 수준을 알 수 있습니다. |
show_labels | bool | True | 시각적 출력에서 각 탐지에 대한 레이블을 표시합니다. 탐지된 객체를 즉시 이해할 수 있게 합니다. |
히트맵 COLORMAP
| 컬러맵 이름 | 설명 |
|---|---|
cv::COLORMAP_AUTUMN | Autumn 컬러맵 |
cv::COLORMAP_BONE | Bone 컬러맵 |
cv::COLORMAP_JET | Jet 컬러맵 |
cv::COLORMAP_WINTER | Winter 컬러맵 |
cv::COLORMAP_RAINBOW | Rainbow 컬러맵 |
cv::COLORMAP_OCEAN | Ocean 컬러맵 |
cv::COLORMAP_SUMMER | Summer 컬러맵 |
cv::COLORMAP_SPRING | Spring 컬러맵 |
cv::COLORMAP_COOL | Cool 컬러맵 |
cv::COLORMAP_HSV | HSV (Hue, Saturation, Value) 컬러맵 |
cv::COLORMAP_PINK | Pink 컬러맵 |
cv::COLORMAP_HOT | Hot 컬러맵 |
cv::COLORMAP_PARULA | Parula 컬러맵 |
cv::COLORMAP_MAGMA | Magma 컬러맵 |
cv::COLORMAP_INFERNO | Inferno 컬러맵 |
cv::COLORMAP_PLASMA | Plasma 컬러맵 |
cv::COLORMAP_VIRIDIS | Viridis 컬러맵 |
cv::COLORMAP_CIVIDIS | Cividis 컬러맵 |
cv::COLORMAP_TWILIGHT | Twilight 컬러맵 |
cv::COLORMAP_TWILIGHT_SHIFTED | Shifted Twilight 컬러맵 |
cv::COLORMAP_TURBO | Turbo 컬러맵 |
cv::COLORMAP_DEEPGREEN | Deep Green 컬러맵 |
이 컬러맵들은 서로 다른 색상 표현으로 데이터를 시각화하는 데 일반적으로 사용됩니다.
Ultralytics YOLO26에서 히트맵이 작동하는 방식
Ultralytics YOLO26의 히트맵 솔루션은 ObjectCounter 클래스를 확장하여 비디오 스트림에서 이동 패턴을 생성하고 시각화합니다. 초기화 시, 이 솔루션은 객체가 프레임을 통과함에 따라 업데이트되는 빈 히트맵 레이어를 생성합니다.
감지된 각 객체에 대해, 솔루션은 다음을 수행합니다:
- YOLO26의 추적 기능을 사용하여 프레임 전반에 걸쳐 객체를 추적합니다
- 객체의 위치에서 히트맵 강도를 업데이트합니다
- 강도 값을 시각화하기 위해 선택된 컬러맵을 적용합니다
- 원본 프레임 위에 컬러 히트맵을 오버레이합니다
그 결과 시간이 지남에 따라 축적되는 동적 시각화가 생성되어 비디오 데이터 내의 교통 패턴, 군중 이동 또는 기타 공간적 행동을 드러냅니다.
FAQ
Ultralytics YOLO26은 어떻게 히트맵을 생성하며 그 장점은 무엇입니까?
Ultralytics YOLO26은 복잡한 데이터를 서로 다른 색상이 데이터 강도를 나타내는 컬러 코드 행렬로 변환하여 히트맵을 생성합니다. 히트맵은 데이터의 패턴, 상관관계 및 이상 징후를 시각화하기 쉽게 만듭니다. 따뜻한 색조는 더 높은 값을, 차가운 색조는 더 낮은 값을 나타냅니다. 주요 이점으로는 직관적인 데이터 분포 시각화, 효율적인 패턴 감지, 의사결정을 위한 공간 분석 강화 등이 있습니다. 자세한 내용과 구성 옵션은 히트맵 구성 섹션을 참조하십시오.
Ultralytics YOLO26을 사용하여 객체 추적과 히트맵 생성을 동시에 수행할 수 있습니까?
네, Ultralytics YOLO26은 객체 추적과 히트맵 생성을 동시에 지원합니다. 이는 객체 추적 모델과 통합된 Heatmap 솔루션을 통해 달성할 수 있습니다. 이를 위해 히트맵 객체를 초기화하고 YOLO26의 추적 기능을 사용해야 합니다. 간단한 예시는 다음과 같습니다:
import cv2
from ultralytics import solutions
cap = cv2.VideoCapture("path/to/video.mp4")
heatmap = solutions.Heatmap(colormap=cv2.COLORMAP_PARULA, show=True, model="yolo26n.pt")
while cap.isOpened():
success, im0 = cap.read()
if not success:
break
results = heatmap(im0)
cap.release()
cv2.destroyAllWindows()추가 지침은 추적 모드 페이지를 확인하십시오.
Ultralytics YOLO26 히트맵이 OpenCV 또는 Matplotlib와 같은 다른 데이터 시각화 도구와 다른 점은 무엇입니까?
Ultralytics YOLO26 히트맵은 객체 감지 및 추적 모델과의 통합을 위해 특별히 설계되었으며, 실시간 데이터 분석을 위한 엔드투엔드 솔루션을 제공합니다. OpenCV나 Matplotlib와 같은 일반적인 시각화 도구와 달리, YOLO26 히트맵은 성능과 자동화된 처리에 최적화되어 있으며 지속적 추적, 감쇠 계수 조정, 실시간 비디오 오버레이와 같은 기능을 지원합니다. YOLO26의 고유한 기능에 대한 자세한 내용은 Ultralytics YOLO26 소개를 방문하십시오.
Ultralytics YOLO26을 사용하여 히트맵에서 특정 객체 클래스만 시각화하려면 어떻게 해야 합니까?
YOLO 모델의 track() 메서드에서 원하는 클래스를 지정하여 특정 객체 클래스를 시각화할 수 있습니다. 예를 들어, 자동차와 사람만 시각화하려는 경우(클래스 인덱스가 0과 2라고 가정), 이에 따라 classes 매개변수를 설정할 수 있습니다.
import cv2
from ultralytics import solutions
cap = cv2.VideoCapture("path/to/video.mp4")
heatmap = solutions.Heatmap(show=True, model="yolo26n.pt", classes=[0, 2])
while cap.isOpened():
success, im0 = cap.read()
if not success:
break
results = heatmap(im0)
cap.release()
cv2.destroyAllWindows()기업이 데이터 분석에서 히트맵 생성을 위해 Ultralytics YOLO26을 선택해야 하는 이유는 무엇입니까?
Ultralytics YOLO26은 고급 객체 감지 및 실시간 히트맵 생성의 원활한 통합을 제공하여 데이터를 더 효과적으로 시각화하려는 기업에 이상적인 선택입니다. 주요 장점으로는 직관적인 데이터 분포 시각화, 효율적인 패턴 감지, 더 나은 의사결정을 위한 공간 분석 강화가 있습니다. 또한, 지속적 추적, 사용자 정의 가능한 컬러맵, 다양한 내보내기 형식 지원과 같은 YOLO26의 최첨단 기능은 종합적인 데이터 분석을 위해 TensorFlow 및 OpenCV와 같은 다른 도구보다 우월합니다. 비즈니스 애플리케이션에 대한 자세한 내용은 Ultralytics 플랜에서 확인하십시오.