Link to this sectionAnálise usando Ultralytics YOLO26#

Q: O Ultralytics YOLO26 pode ser usado para rastrear objetos e atualizar visualizações dinamicamente?

Sim. O rastreamento está incorporado na solução Analytics: ele rastreia múltiplos objetos em tempo real e atualiza o gráfico a partir dos dados dos objetos rastreados em cada quadro, para que os gráficos de linha, de barras, de setores e de área reflitam contagens ao vivo. Isto é exatamente o que o loop de quadros no exemplo em Python acima faz. Para aprender sobre a funcionalidade de rastreamento subjacente, vê a seção Tracking.

A análise com o Ultralytics YOLO26 transforma resultados de detecção de objetos e rastreamento em gráficos em tempo real, para que possas observar como a contagem de objetos muda ao longo de um vídeo, quadro a quadro. Este guia aborda quatro tipos de visualização de dados — gráficos de linha, gráficos de barras, gráficos de setores e gráficos de área — e mostra como alternar entre eles com exemplos partilhados em Python e na CLI.

Watch: How to generate Analytical Graphs using Ultralytics | Line Graphs, Bar Plots, Area and Pie Charts

Link to this sectionExemplos Visuais#

Gráfico de Linhas	Gráfico de Barras	Gráfico de Pizza

Link to this sectionPor que visualizar dados de detecção?#

Os gráficos de linha são ideais para acompanhar alterações durante curtos e longos períodos e para comparar mudanças entre vários grupos no mesmo período.
Os gráficos de barras são adequados para comparar quantidades entre diferentes categorias e mostrar relações entre uma categoria e o seu valor numérico.
Os gráficos de setores são eficazes para ilustrar proporções entre categorias e mostrar partes de um todo.
Os gráficos de área preenchem o gráfico de linha para que as contagens de objetos por classe ao longo do tempo sejam mais fáceis de ler rapidamente.

Link to this sectionGerar gráficos analíticos#

Passa o teu vídeo para a solução Analytics e seleciona um gráfico com analytics_type. A solução executa a detecção e o rastreamento em cada quadro e renderiza um gráfico de 1280×720 (por padrão) que podes escrever diretamente num vídeo de saída. Alterna entre "line", "bar", "pie" e "area" com um único argumento.

Análise usando Ultralytics YOLO

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=True

Link to this sectionArgumentos de `Analytics`#

Aqui está uma tabela descrevendo os argumentos de Analytics:

Argumento	Tipo	Predefinição	Descrição
`model`	`str`	`None`	Caminho para um ficheiro de modelo YOLO da Ultralytics.
`analytics_type`	`str`	`'line'`	Tipo de gráfico, i.e., `line`, `bar`, `area` ou `pie`.

Você também pode aproveitar diferentes argumentos de track na solução Analytics.

Argumento	Tipo	Predefinição	Descrição
`tracker`	`str`	`'botsort.yaml'`	Especifica o algoritmo de rastreamento a ser usado. As opções integradas são: `botsort.yaml`, `bytetrack.yaml`, `ocsort.yaml`, `deepocsort.yaml`, `fasttrack.yaml`, `tracktrack.yaml`.
`conf`	`float`	`0.1`	Define o limiar de confiança para as deteções; valores mais baixos permitem que mais objetos sejam rastreados, mas podem incluir falsos positivos.
`iou`	`float`	`0.7`	Define o limiar de Intersection over Union (IoU) para filtrar deteções sobrepostas.
`classes`	`list`	`None`	Filtra resultados por índice de classe. Por exemplo, `classes=[0, 2, 3]` rastreia apenas as classes especificadas.
`verbose`	`bool`	`True`	Controla a exibição dos resultados de rastreio, fornecendo uma saída visual dos objetos rastreados.
`device`	`str`	`None`	Especifica o dispositivo para inferência (p. ex., `cpu`, `cuda:0` ou `0`). Permite aos utilizadores selecionar entre CPU, uma GPU específica ou outros dispositivos de computação para a execução do modelo.

Além disso, os seguintes argumentos de visualização são suportados:

Argumento	Tipo	Predefinição	Descrição
`show`	`bool`	`False`	Se `True`, exibe as imagens ou vídeos anotados numa janela. Útil para feedback visual imediato durante o desenvolvimento ou teste.
`line_width`	`int or None`	`None`	Especifica a largura da linha das caixas delimitadoras. Se `None`, a largura da linha é ajustada automaticamente com base no tamanho da imagem. Proporciona personalização visual para maior clareza.

Link to this sectionConclusão#

Compreender quando e como usar diferentes tipos de visualizações é crucial para uma análise de dados eficaz. Gráficos de linhas, gráficos de barras e gráficos de pizza são ferramentas fundamentais que podem te ajudar a transmitir a história dos seus dados de forma mais clara e eficaz. A solução de Analytics do Ultralytics YOLO26 fornece uma maneira simplificada de gerar essas visualizações a partir dos seus resultados de detecção de objetos e rastreamento, tornando mais fácil extrair insights significativos dos seus dados visuais.

Link to this sectionFAQ#

Link to this sectionComo crio um gráfico de linhas usando a Análise do Ultralytics YOLO26?#

Para criar um gráfico de linhas usando a Análise do Ultralytics YOLO26, siga estes passos:

Carregue um modelo YOLO26 e abra seu arquivo de vídeo.
Inicializa a classe Analytics com analytics_type="line".
Itera pelos quadros do vídeo, chamando a solução em cada quadro para atualizar o gráfico de linha com dados como contagens de objetos.
Escreve results.plot_im num vídeo de saída para salvar o gráfico.

Usa o exemplo em Python acima como ponto de partida — ele já executa o loop completo de quadros, e um gráfico de linha é o analytics_type padrão.

Link to this sectionQuais são os benefícios de usar o Ultralytics YOLO26 para criar gráficos de barras?#

Usar o Ultralytics YOLO26 para criar gráficos de barras oferece vários benefícios:

Visualização de Dados em Tempo Real: Integre facilmente os resultados de detecção de objetos em gráficos de barras para atualizações dinâmicas.
Facilidade de Uso: A API e as funções simples tornam direto implementar e visualizar dados.
Personalização: Personalize títulos, rótulos, cores e muito mais para atender às suas necessidades específicas.
Eficiência: Processe com eficiência grandes quantidades de dados e atualize gráficos em tempo real durante o processamento de vídeo.

Para gerar um gráfico de barras, define analytics_type="bar" no exemplo em Python acima — o restante do loop de quadros é idêntico. Consulta a seção Visual Samples para uma prévia.

Link to this sectionPor que devo usar o Ultralytics YOLO26 para criar gráficos de pizza em meus projetos de visualização de dados?#

O Ultralytics YOLO26 é uma excelente escolha para criar gráficos de pizza porque:

Integração com Detecção de Objetos: Integre diretamente os resultados de detecção de objetos em gráficos de pizza para insights imediatos.
API Fácil de Usar: Simples de configurar e usar com o mínimo de código.
Personalizável: Várias opções de personalização para cores, rótulos e mais.
Atualizações em Tempo Real: Gerencie e visualize dados em tempo real, o que é ideal para projetos de análise de vídeo.

Para gerar um gráfico de setores, define analytics_type="pie" no exemplo em Python acima. Para mais informações, consulta a seção Visual Samples no guia.

Link to this sectionO Ultralytics YOLO26 pode ser usado para rastrear objetos e atualizar visualizações dinamicamente?#

Sim. O rastreamento está incorporado na solução Analytics: ele rastreia múltiplos objetos em tempo real e atualiza o gráfico a partir dos dados dos objetos rastreados em cada quadro, para que os gráficos de linha, de barras, de setores e de área reflitam contagens ao vivo. Isto é exatamente o que o loop de quadros no exemplo em Python acima faz. Para aprender sobre a funcionalidade de rastreamento subjacente, vê a seção Tracking.

Link to this sectionO que torna o Ultralytics YOLO26 diferente de outras soluções de detecção de objetos como OpenCV e TensorFlow?#

O Ultralytics YOLO26 se destaca de outras soluções de detecção de objetos como OpenCV e TensorFlow por vários motivos:

Precisão de Última Geração: O YOLO26 oferece precisão superior em tarefas de detecção de objetos, segmentação de instância, segmentação semântica e classificação.
Facilidade de Uso: A API amigável permite implementação e integração rápidas sem codificação extensiva.
Desempenho em Tempo Real: Otimizado para inferência de alta velocidade, adequado para aplicações em tempo real.
Aplicações Diversas: Suporta várias tarefas, incluindo rastreamento de múltiplos objetos, treinamento de modelos personalizados e exportação para diferentes formatos como ONNX, TensorRT e CoreML.
Documentação Abrangente: Documentação extensiva e recursos do blog para guiar os usuários em cada etapa.

Para comparações mais detalhadas e casos de uso, explore nosso Blog da Ultralytics.

Contribuidores

GLglenn-jocher¹¹ RIRizwanMunawar⁹ RAraimbekovm² MAMatthewNoyce² LAlakshanthad¹ IVIvorZhu331¹

Criado 23 de mai. de 2024Atualizado há 4 dias