Ultralytics 솔루션: YOLO26으로 실제 문제 해결#

Ultralytics 솔루션은 YOLO 모델을 활용한 최첨단 애플리케이션을 제공하며, 객체 카운팅, 블러 처리, 보안 시스템과 같은 실제 솔루션을 통해 다양한 산업에서 효율성과 정확도를 높입니다. YOLO26을 실용적이고 영향력 있는 구현에 활용하는 방법을 알아보세요.

솔루션#

다음은 훌륭한 컴퓨터 비전 프로젝트를 만드는 데 사용할 수 있도록 엄선한 Ultralytics 솔루션 목록입니다.

• 분석: YOLO26을 활용해 포괄적인 데이터 분석을 수행하고 패턴을 발견하여 정보에 기반한 의사결정을 내립니다. 설명적, 예측적, 처방적 분석을 지원합니다.
• 거리 계산: YOLO26에서 바운딩 박스 중심점을 사용해 객체 간 거리를 계산합니다. 이는 공간 분석에 필수적입니다.
• 히트맵: 탐지 히트맵을 활용해 행렬 전반의 데이터 강도를 시각화하고 컴퓨터 비전 작업에 대한 명확한 인사이트를 제공합니다.
• 객체 추적을 포함한 인스턴스 세그멘테이션: YOLO26으로 인스턴스 세그멘테이션과 객체 추적을 구현하여 객체 경계를 정밀하게 파악하고 지속적으로 모니터링합니다.
• Streamlit을 사용한 실시간 추론: 사용자 친화적인 Streamlit 인터페이스를 통해 웹 브라우저에서 직접 YOLO26의 강력한 기능을 활용해 실시간 객체 탐지를 수행합니다.
• 객체 블러 처리: YOLO26을 사용해 객체를 블러 처리하여 이미지 및 비디오 처리 과정에서 개인정보를 보호합니다.
• 객체 카운팅: YOLO26으로 실시간 객체 카운팅을 수행하는 방법을 알아보세요. 라이브 비디오 스트림에서 객체를 정확하게 세는 전문 지식을 익힐 수 있습니다.
• 영역별 객체 카운팅: YOLO26을 사용해 특정 영역의 객체를 세어 다양한 영역에서 정확하게 탐지합니다.
• 객체 크롭: YOLO26으로 객체 크롭을 수행해 이미지와 비디오에서 객체를 정확하게 추출하는 방법을 익힙니다.
• 주차 관리: YOLO26으로 주차 구역의 차량 흐름을 정리하고 안내하여 공간 활용도와 사용자 경험을 최적화합니다.
• 대기열 관리: YOLO26을 사용해 효율적인 대기열 관리 시스템을 구현하여 대기 시간을 최소화하고 생산성을 높입니다.
• 보안 경보 시스템: YOLO26으로 새로운 객체가 탐지되면 경보를 발생시키는 보안 경보 시스템을 구축합니다. 특정 요구 사항에 맞게 시스템을 사용자 지정할 수 있습니다.
• 유사도 검색: OpenAI CLIP 임베딩과 코사인 유사도 검색을 결합해 지능형 이미지 검색을 구현합니다. 이를 통해 "가방을 들고 있는 사람" 또는 "이동 중인 차량"과 같은 자연어 쿼리를 사용할 수 있습니다.
• 속도 추정: YOLO26과 객체 추적 기법을 사용해 객체 속도를 추정합니다. 자율주행 차량 및 교통 모니터링과 같은 애플리케이션에 필수적입니다.
• 구역 내 객체 추적: YOLO26을 사용해 비디오 프레임의 특정 구역 내 객체를 추적하는 방법을 알아보고, 정밀하고 효율적인 모니터링을 구현합니다.
• VisionEye 시점 객체 매핑: 특정 객체에 대한 사람 눈의 초점을 모방하는 시스템을 개발하여 세부 정보를 식별하고 우선순위를 지정하는 컴퓨터의 능력을 향상합니다.
• 운동 모니터링: YOLO26으로 운동을 모니터링하는 방법을 알아보세요. 다양한 피트니스 루틴을 실시간으로 추적하고 분석할 수 있습니다.

솔루션 인수#

SolutionAnnotator 사용#

모든 Ultralytics 솔루션은 별도의 클래스 SolutionAnnotator를 사용합니다. 이 클래스는 기본 Annotator 클래스를 확장하며 다음 메서드를 제공합니다.

SolutionResults 사용#

Similarity Search을 제외하면 각 Solution 호출은 SolutionResults 객체를 반환합니다.

• 객체 카운팅의 경우 결과에는 in_count, out_count 및 classwise_count가 포함됩니다.

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,  # 출력을 표시합니다.
    region=region_points,  # 영역 포인트를 전달합니다.
    model="yolo26n.pt",  # model="yolo26n-obb.pt" 객체 카운팅에 OBB 모델을 사용하는 경우입니다.
    # classes=[0, 2],  # COCO 사전 학습 모델에서 person 및 car와 같은 특정 클래스만 카운팅합니다.
    # tracker="botsort.yaml"  # 추적기를 선택합니다. 예: "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 객체에는 다음 속성이 있습니다:

자세한 내용은 SolutionResults 클래스 문서를 참조하세요.

CLI를 통한 Solutions 사용#

yolo solutions count show=True # for object counting

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

Solutions에 기여하기#

커뮤니티의 기여를 환영합니다! Ultralytics YOLO의 특정 분야에 능숙하지만 아직 Solutions에서 다루지 않은 내용이 있다면, 전문 지식을 공유해 주세요. 가이드를 작성하면 커뮤니티에 기여하고 문서를 더욱 포괄적이고 사용자 친화적으로 만드는 데 도움을 줄 수 있습니다.

시작하려면 Pull Request(PR)를 여는 방법에 대한 지침이 담긴 기여 가이드를 읽어 주세요 🛠️. 여러분의 기여를 기다리겠습니다!

Ultralytics YOLO 생태계를 더욱 견고하고 다재다능하게 만들기 위해 함께 노력해요 🙏!

자주 묻는 질문#