Ultralytics 솔루션 실제 문제 해결을 위한 YOLO11 활용하기

Ultralytics 솔루션은 물체 카운팅, 블러 처리 및 보안 시스템과 같은 실제 솔루션을 제공하는 YOLO 모델의 최첨단 애플리케이션을 제공하여 다양한 산업에서 효율성과 정확성을 향상시킵니다. 실용적이고 영향력 있는 구현을 위한 YOLO11 의 힘을 알아보세요.

Watch: 명령줄에서 Ultralytics 솔루션 실행 방법 (CLI) | Ultralytics YOLO11 🚀

솔루션

다음은 멋진 컴퓨터 비전 프로젝트를 만드는 데 사용할 수 있는 엄선된 Ultralytics 솔루션 목록입니다.

개체 수 계산: YOLO11 실시간 객체 카운팅을 수행하는 방법을 배워보세요. 라이브 비디오 스트림에서 객체를 정확하게 카운팅할 수 있는 전문 지식을 습득하세요.
개체 자르기: 이미지와 동영상에서 개체를 정확하게 추출하기 위해 YOLO11 개체 자르기를 마스터하세요.
개체 흐리게 처리: 이미지 및 동영상 처리에서 개인 정보를 보호하기 위해 YOLO11 사용하여 개체 블러를 적용합니다.
운동 모니터링: YOLO11 사용하여 운동을 모니터링하는 방법을 알아보세요. 다양한 피트니스 루틴을 실시간으로 추적하고 분석하는 방법을 알아보세요.
영역 내 개체 카운팅: 다양한 영역에서 정확한 감지를 위해 YOLO11 사용하여 특정 영역의 개체 수를 계산합니다.
보안 경보 시스템: 새로운 물체를 감지하면 경고를 트리거하는 YOLO11 보안 경보 시스템을 만드세요. 특정 요구 사항에 맞게 시스템을 사용자 지정하세요.
히트맵: 감지 히트맵을 활용하여 매트릭스 전반의 데이터 강도를 시각화하여 컴퓨터 비전 작업에서 명확한 인사이트를 제공합니다.
객체 추적을 통한 인스턴스 세분화: YOLO11 인스턴스 세분화 및 개체 추적을 구현하여 정확한 개체 경계와 지속적인 모니터링을 달성하세요.
비전아이 오브젝트 매핑 보기: 특정 물체에 대한 인간의 눈의 초점을 모방하는 시스템을 개발하여 컴퓨터가 세부 사항을 식별하고 우선 순위를 지정하는 능력을 향상시킵니다.
속도 추정: 자율 주행 차량 및 교통 모니터링과 같은 애플리케이션에 필수적인 YOLO11 및 물체 추적 기술을 사용하여 물체 속도를 추정합니다.
거리 계산: 공간 분석에 필수적인 YOLO11 바운딩 박스 중심을 사용하여 개체 간 거리를 계산합니다.
대기열 관리: 효율적인 대기열 관리 시스템을 구현하여 대기 시간을 최소화하고 YOLO11 사용하여 생산성을 향상하세요.
주차 관리: YOLO11 주차 구역의 차량 흐름을 관리하고 지시하여 공간 활용도와 사용자 경험을 최적화하세요.
분석: 종합적인 데이터 분석을 수행하여 패턴을 발견하고 정보에 입각한 의사 결정을 내리고, 설명적, 예측적, 처방적 분석을 위해 YOLO11 활용하세요.
Streamlit으로 실시간 추론: 사용자 친화적인 Streamlit 인터페이스를 통해 웹 브라우저에서 직접 실시간으로 물체를 감지할 수 있는 YOLO11 강력한 기능을 활용하세요.
영역 내 객체 추적 🚀 신규: 정확하고 효율적인 모니터링을 위해 YOLO11 사용하여 비디오 프레임의 특정 영역 내에 있는 객체를 추적하는 방법을 알아보세요.

솔루션 인수

인수	유형	기본값	설명
`model`	`str`	`None`	Ultralytics YOLO 모델 파일 경로.
`region`	`list`	`[(20, 400), (1260, 400)]`	계산 영역을 정의하는 포인트 목록입니다.
`show_in`	`bool`	`True`	비디오 스트림에 인 카운트를 표시할지 여부를 제어하는 플래그입니다.
`show_out`	`bool`	`True`	비디오 스트림에 아웃 카운트를 표시할지 여부를 제어하는 플래그입니다.
`analytics_type`	`str`	`line`	그래프 유형, 즉., `line`, `bar`, `area`또는 `pie`.
`colormap`	`int`	`cv2.COLORMAP_JET`	히트맵에 사용할 컬러맵입니다.
`json_file`	`str`	`None`	모든 주차 좌표 데이터가 포함된 JSON 파일의 경로입니다.
`up_angle`	`float`	`145.0`	'위로' 포즈에 대한 각도 임계값입니다.
`kpts`	`list[int, int, int]`	`[6, 8, 10]`	운동 모니터링에 사용되는 키포인트 목록입니다. 이러한 키포인트는 팔굽혀펴기, 풀업, 스쿼트, 복근 운동과 같은 운동의 어깨, 팔꿈치, 손목 등의 신체 관절 또는 부위에 해당합니다.
`down_angle`	`float`	`90.0`	'아래' 포즈에 대한 각도 임계값입니다.
`blur_ratio`	`float`	`0.5`	흐림 강도의 백분율을 범위 내 값으로 조정합니다. `0.1 - 1.0`.
`crop_dir`	`str`	`"cropped-detections"`	잘린 감지를 저장할 디렉터리 이름입니다.
`records`	`int`	`5`	보안 경보 시스템으로 이메일을 트리거하기 위한 총 감지 횟수입니다.
`vision_point`	`tuple[int, int]`	`(50, 50)`	비전아이 솔루션을 사용하여 객체를 추적하고 경로를 그리는 지점입니다.
`tracker`	`str`	`'botsort.yaml'`	사용할 추적 알고리즘을 지정합니다(예, `bytetrack.yaml` 또는 `botsort.yaml`.
`conf`	`float`	`0.3`	탐지 신뢰 임계값을 설정합니다. 값이 낮을수록 더 많은 개체를 추적할 수 있지만 오탐이 포함될 수 있습니다.
`iou`	`float`	`0.5`	중복 감지를 필터링하기 위한 IoU(Intersection over Union) 임계값을 설정합니다.
`classes`	`list`	`None`	클래스 인덱스별로 결과를 필터링합니다. 예를 들어 `classes=[0, 2, 3]` 지정된 클래스만 추적합니다.
`verbose`	`bool`	`True`	추적 결과의 표시를 제어하여 추적된 개체의 시각적 출력을 제공합니다.
`device`	`str`	`None`	추론할 장치를 지정합니다(예, `cpu`, `cuda:0` 또는 `0`). 사용자가 모델 실행을 위해 CPU, 특정 GPU, 또는 기타 컴퓨팅 장치 중에서 선택할 수 있습니다.
`show`	`bool`	`False`	만약 `True`를 클릭하면 주석이 달린 이미지 또는 동영상이 창에 표시됩니다. 개발 또는 테스트 중에 즉각적인 시각적 피드백을 받을 때 유용합니다.
`line_width`	`None or int`	`None`	경계 상자의 선 너비를 지정합니다. 만약 `None`를 클릭하면 이미지 크기에 따라 선 너비가 자동으로 조정됩니다. 선명도를 위한 시각적 사용자 지정 기능을 제공합니다.

인수 추적

솔루션은 또한 다음의 주장 중 일부를 지원합니다. track와 같은 매개 변수를 포함하여 conf, line_width, tracker, model, show, verbose 그리고 classes.

인수	유형	기본값	설명
`tracker`	`str`	`'botsort.yaml'`	사용할 추적 알고리즘을 지정합니다(예, `bytetrack.yaml` 또는 `botsort.yaml`.
`conf`	`float`	`0.3`	탐지 신뢰 임계값을 설정합니다. 값이 낮을수록 더 많은 개체를 추적할 수 있지만 오탐이 포함될 수 있습니다.
`iou`	`float`	`0.5`	중복 감지를 필터링하기 위한 IoU( Intersection over Union ) 임계값을 설정합니다.
`classes`	`list`	`None`	클래스 인덱스별로 결과를 필터링합니다. 예를 들어 `classes=[0, 2, 3]` 지정된 클래스만 추적합니다.
`verbose`	`bool`	`True`	추적 결과의 표시를 제어하여 추적된 개체의 시각적 출력을 제공합니다.
`device`	`str`	`None`	추론할 장치를 지정합니다(예, `cpu`, `cuda:0` 또는 `0`). 사용자가 모델 실행을 위해 CPU, 특정 GPU, 또는 기타 컴퓨팅 장치 중에서 선택할 수 있습니다.

솔루션애노테이터 사용법

모든 Ultralytics 솔루션은 별도의 클래스를 사용합니다. SolutionAnnotator를 확장하는 메인 Annotator 클래스에는 다음과 같은 메서드가 있습니다:

방법	반환 유형	설명
`draw_region()`	`None`	지정된 점, 색상 및 두께를 사용하여 영역을 그립니다.
`queue_counts_display()`	`None`	지정한 지역의 대기열 수를 표시합니다.
`display_analytics()`	`None`	주차장 관리에 대한 전반적인 통계를 표시합니다.
`estimate_pose_angle()`	`float`	개체 포즈에서 세 점 사이의 각도를 계산합니다.
`draw_specific_points()`	`None`	이미지에 특정 키포인트를 그립니다.
`plot_workout_information()`	`None`	이미지에 레이블이 지정된 텍스트 상자를 그립니다.
`plot_angle_and_count_and_stage()`	`None`	운동 모니터링을 위해 각도, 걸음 수, 단계를 시각화합니다.
`plot_distance_and_line()`	`None`	구심점 사이의 거리를 표시하고 선으로 연결합니다.
`display_objects_labels()`	`None`	객체 클래스 레이블로 경계 상자에 주석을 달 수 있습니다.
`seg_bbox()`	`None`	분할된 개체에 대한 윤곽을 그리고 선택적으로 레이블을 지정합니다.
`sweep_annotator()`	`None`	수직 스윕 라인과 선택적 레이블을 시각화합니다.
`visioneye()`	`None`	객체 중심을 시각적 '눈' 지점에 매핑하고 연결합니다.
`circle_label()`	`None`	경계 상자 대신 원형 레이블을 그립니다.
`text_label()`	`None`	경계 상자 대신 직사각형 레이블을 그립니다.

솔루션 결과 작업

모든 솔루션 호출은 다음과 같은 목록을 반환합니다. SolutionResults 개체에 대한 포괄적인 정보를 담고 있습니다.

개체 계산의 경우 결과는 다음과 같습니다. incounts, outcounts및 classwise_counts.

솔루션 결과

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

자세한 내용은 SolutionResults 클래스 문서.

CLI 통한 솔루션 사용

명령 정보

대부분의 솔루션은 명령줄 인터페이스를 통해 직접 사용할 수 있습니다:

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

구문

yolo SOLUTIONS SOLUTION_NAME ARGS

솔루션은 필수 키워드입니다.
솔루션_이름 중 하나입니다: ['count', 'crop', 'blur', 'workout', 'heatmap', 'isegment', 'queue', 'speed', 'analytics', 'trackzone', 'inference', 'visioneye'].
ARGS (선택 사항)은 사용자 지정 arg=value 쌍과 같은 show_in=True를 클릭하여 기본 설정을 재정의합니다.

yolo solutions count show=True  # for object counting

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

솔루션에 기여하기

커뮤니티의 기여를 환영합니다! Ultralytics YOLO 솔루션에서 아직 다루지 않은 특정 측면을 마스터했다면 여러분의 전문 지식을 공유해 주시기 바랍니다. 가이드를 작성하는 것은 커뮤니티에 보답하고 더욱 포괄적이고 사용자 친화적인 문서를 만드는 데 도움이 되는 좋은 방법입니다.

시작하려면 풀 리퀘스트(PR)를 여는 방법에 대한 가이드라인이 담긴 기여 가이드를 참조하세요(🛠️). 여러분의 기여를 기다리겠습니다!

Ultralytics YOLO 생태계를 더욱 견고하고 다양하게 만들기 위해 함께 노력합시다 🙏!

자주 묻는 질문

실시간 오브젝트 카운팅을 위해 Ultralytics YOLO 을 사용하려면 어떻게 해야 하나요?

Ultralytics YOLO11 의 고급 객체 감지 기능을 활용하여 실시간 객체 카운팅에 사용할 수 있습니다. 객체 카운팅에 대한 자세한 가이드( YOLO11 )를 참조하여 실시간 동영상 스트림 분석을 위한 객체 카운 팅을 설정할 수 있습니다. YOLO11 을 설치하고 모델을 로드한 다음 비디오 프레임을 처리하여 객체를 동적으로 카운팅하기만 하면 됩니다.

보안 시스템에 Ultralytics YOLO 을 사용하면 어떤 이점이 있나요?

Ultralytics YOLO11 는 실시간 객체 감지 및 경보 메커니즘을 제공하여 보안 시스템을 강화합니다. YOLO11 을 사용하여 감시 영역에서 새로운 물체가 감지되면 경고를 트리거하는 보안 경보 시스템을 만들 수 있습니다. 강력한 보안 모니터링을 위해 YOLO11 에서 보안 경보 시스템을 설정하는 방법을 알아보세요.

대기열 관리 시스템( Ultralytics YOLO )을 개선하려면 어떻게 해야 하나요?

Ultralytics YOLO11 는 대기열에 있는 사람들을 정확하게 집계하고 추적하여 대기열 관리 시스템을 크게 개선함으로써 대기 시간을 줄이고 서비스 효율성을 최적화하는 데 도움을 줄 수 있습니다. 대기열 관리에 대한 자세한 가이드를 참조하여 효과적인 대기열 모니터링 및 분석을 위한 대기열 관리( YOLO11 ) 구현 방법을 알아보세요.

Ultralytics YOLO 을 운동 모니터링에 사용할 수 있나요?

예, Ultralytics YOLO11 피트니스 루틴을 실시간으로 추적하고 분석하여 운동을 모니터링하는 데 효과적으로 사용할 수 있습니다. 이를 통해 운동 형태와 성과를 정확하게 평가할 수 있습니다. 운동 모니터링 가이드를 살펴보고 YOLO11 을 사용하여 AI 기반 운동 모니터링 시스템을 설정하는 방법을 알아보세요.

Ultralytics YOLO 데이터 시각화를 위한 히트 맵을 만드는 데 어떻게 도움이 되나요?

Ultralytics YOLO11 는 특정 영역의 데이터 강도를 시각화하는 히트맵을 생성하여 활동이 많거나 관심 있는 영역을 강조 표시할 수 있습니다. 이 기능은 다양한 컴퓨터 비전 작업의 패턴과 추세를 이해하는 데 특히 유용합니다. 종합적인 데이터 분석 및 시각화를 위해 YOLO11 에서 히트맵을 만들고 사용하는 방법에 대해 자세히 알아보세요.

9개월 전 생성됨 ✏️ 업데이트 4 일 전