Аналитика с помощью Ultralytics YOLO26

Введение

Это руководство содержит полный обзор трех основных типов визуализации данных: линейных графиков, гистограмм и круговых диаграмм. Каждый раздел включает пошаговые инструкции и примеры кода по созданию этих визуализаций с помощью Python.

Визуальные примеры

Линейный график	Гистограмма	Круговая диаграмма

Почему графики важны

• Линейные графики идеально подходят для отслеживания изменений на коротких и длительных промежутках времени, а также для сравнения изменений в нескольких группах за один и тот же период.
• Гистограммы, напротив, подходят для сравнения количественных показателей по различным категориям и демонстрации взаимосвязи между категорией и ее числовым значением.
• Наконец, круговые диаграммы эффективны для иллюстрации пропорций между категориями и отображения частей целого.

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

Аргументы Analytics

Ниже представлена таблица с описанием аргументов Analytics:

Ты также можешь использовать различные аргументы track в решении Analytics.

Кроме того, поддерживаются следующие аргументы визуализации:

Заключение

Понимание того, когда и как использовать различные типы визуализаций, критически важно для эффективного анализа данных. Линейные графики, гистограммы и круговые диаграммы — это базовые инструменты, которые помогут тебе яснее и эффективнее донести историю твоих данных. Решение Ultralytics YOLO26 Analytics предоставляет оптимизированный способ создания таких визуализаций на основе твоих результатов обнаружения объектов и отслеживания, что облегчает извлечение значимых инсайтов из визуальных данных.

Часто задаваемые вопросы (FAQ)

Как создать линейный график с помощью Ultralytics YOLO26 Analytics?

Чтобы создать линейный график с помощью Ultralytics YOLO26 Analytics, выполни следующие действия:

1. Загрузи модель YOLO26 и открой видеофайл.
2. Инициализируй класс Analytics с параметром type, установленным на "line".
3. Выполни итерацию по кадрам видео, обновляя линейный график актуальными данными, такими как количество объектов на кадр.
4. Сохрани выходное видео с отображением линейного графика.

Пример:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="line",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

Для получения подробной информации о настройке класса Analytics посети раздел Аналитика с помощью Ultralytics YOLO26.

В чем преимущества использования Ultralytics YOLO26 для создания гистограмм?

Использование Ultralytics YOLO26 для создания гистограмм дает несколько преимуществ:

1. Визуализация данных в реальном времени: Легкая интеграция результатов обнаружения объектов в гистограммы для динамических обновлений.
2. Простота использования: Простой API и функции делают реализацию и визуализацию данных интуитивно понятной.
3. Кастомизация: Настраивай заголовки, подписи, цвета и многое другое в соответствии со своими требованиями.
4. Эффективность: Эффективная обработка больших объемов данных и обновление графиков в реальном времени во время обработки видео.

Используй следующий пример для создания гистограммы:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="bar",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

Чтобы узнать больше, посети раздел Гистограмма в руководстве.

Почему стоит использовать Ultralytics YOLO26 для создания круговых диаграмм в проектах по визуализации данных?

Ultralytics YOLO26 — отличный выбор для создания круговых диаграмм, потому что:

1. Интеграция с обнаружением объектов: Прямая интеграция результатов обнаружения объектов в круговые диаграммы для получения оперативных инсайтов.
2. Удобный API: Простая настройка и использование с минимумом кода.
3. Возможность настройки: Множество опций для настройки цветов, меток и прочего.
4. Обновления в реальном времени: Обработка и визуализация данных в режиме реального времени, что идеально подходит для проектов видеоаналитики.

Вот быстрый пример:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="pie",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

Для получения дополнительной информации обратись к разделу Круговая диаграмма в руководстве.

Можно ли использовать Ultralytics YOLO26 для отслеживания объектов и динамического обновления визуализаций?

Да, Ultralytics YOLO26 можно использовать для отслеживания объектов и динамического обновления визуализаций. Он поддерживает отслеживание нескольких объектов в реальном времени и может обновлять различные визуализации, такие как линейные графики, гистограммы и круговые диаграммы, основываясь на данных об отслеживаемых объектах.

Пример отслеживания и обновления линейного графика:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="line",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

Чтобы узнать о полной функциональности, смотри раздел Отслеживание.

Чем Ultralytics YOLO26 отличается от других решений для обнаружения объектов, таких как OpenCV и TensorFlow?

Ultralytics YOLO26 выделяется среди других решений для обнаружения объектов, таких как OpenCV и TensorFlow, по нескольким причинам:

1. Передовая точность: YOLO26 обеспечивает превосходную точность в задачах обнаружения, сегментации и классификации объектов.
2. Простота использования: Удобный API позволяет быстро внедрять и интегрировать решение без написания большого объема кода.
3. Производительность в реальном времени: Оптимизировано для высокоскоростного вывода, подходит для приложений, работающих в реальном времени.
4. Разнообразные приложения: Поддерживает множество задач, включая многообъектное отслеживание, обучение пользовательских моделей и экспорт в различные форматы, такие как ONNX, TensorRT и CoreML.
5. Комплексная документация: Обширная документация и ресурсы блога, которые помогут тебе на каждом этапе.

Для более подробного сравнения и ознакомления с примерами использования изучи наш Блог Ultralytics.