Решения Ultralytics: YOLO26 для решения реальных задач#

Решения Ultralytics предлагают передовые способы применения моделей YOLO для решения реальных задач — например, подсчёта объектов, размытия и создания систем безопасности. Они повышают эффективность и точность в самых разных отраслях. Узнай, на что способен YOLO26 в практических проектах с ощутимым результатом.

Решения#

Мы собрали список решений Ultralytics, которые помогут тебе создавать впечатляющие проекты в области компьютерного зрения.

• Аналитика: проводи комплексный анализ данных, выявляй закономерности и принимай обоснованные решения, используя YOLO26 для описательной, прогнозной и предписывающей аналитики.
• Расчёт расстояния: вычисляй расстояния между объектами по центроидам их ограничивающих рамок с помощью YOLO26 — это важно для пространственного анализа.
• Тепловые карты: используй тепловые карты обнаружений, чтобы визуализировать интенсивность данных в матрице и получать наглядные сведения для задач компьютерного зрения.
• Сегментация экземпляров с отслеживанием объектов: реализуй сегментацию экземпляров и отслеживание объектов с помощью YOLO26, чтобы точно определять границы объектов и непрерывно наблюдать за ними.
• Инференс в реальном времени с Streamlit: используй возможности YOLO26 для обнаружения объектов в реальном времени прямо в браузере через удобный интерфейс Streamlit.
• Размытие объектов: размывай объекты с помощью YOLO26, чтобы защитить конфиденциальность при обработке изображений и видео.
• Подсчёт объектов: научись подсчитывать объекты в реальном времени с помощью YOLO26 и точно считать их в видеопотоках.
• Подсчёт объектов в областях: подсчитывай объекты в заданных областях с помощью YOLO26 для точного обнаружения в разных зонах.
• Обрезка объектов: освой обрезку объектов с помощью YOLO26, чтобы точно извлекать их из изображений и видео.
• Управление парковкой: организуй и направляй движение автомобилей на парковках с помощью YOLO26, эффективнее используя пространство и улучшая пользовательский опыт.
• Управление очередями: внедряй эффективные системы управления очередями, чтобы с помощью YOLO26 сокращать время ожидания и повышать производительность.
• Система охранной сигнализации: создай с помощью YOLO26 систему охранной сигнализации, которая отправляет оповещения при обнаружении новых объектов. Настрой систему под свои задачи.
• Поиск похожих изображений: организуй интеллектуальный поиск изображений, сочетая эмбеддинги OpenAI CLIP с поиском по косинусному сходству. Это позволит задавать запросы на естественном языке, например «человек с сумкой» или «движущиеся автомобили».
• Оценка скорости: оценивай скорость объектов с помощью YOLO26 и методов отслеживания объектов — это важно для таких задач, как автономное вождение и мониторинг дорожного движения.
• Отслеживание объектов в зоне: научись точно и эффективно отслеживать объекты в заданных зонах видеокадра с помощью YOLO26.
• Отображение объектов с помощью VisionEye: создавай системы, имитирующие фокусировку человеческого глаза на определённых объектах, чтобы компьютер мог лучше распознавать детали и определять их приоритет.
• Мониторинг тренировок: узнай, как отслеживать тренировки с помощью YOLO26, анализируя различные комплексы упражнений в реальном времени.

Аргументы решений#

Использование SolutionAnnotator#

Во всех решениях Ultralytics используется отдельный класс SolutionAnnotator, расширяющий основной класс Annotator. В нём доступны следующие методы:

Работа с SolutionResults#

Каждый вызов решения, кроме Similarity Search, возвращает объект SolutionResults.

• При подсчёте объектов результаты включают in_count, out_count и classwise_count.

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,  # отобразить результат
    region=region_points,  # передать точки области
    model="yolo26n.pt",  # model="yolo26n-obb.pt" для подсчёта объектов с помощью модели OBB.
    # classes=[0, 2],  # подсчитывать только указанные классы, например людей и автомобили, с помощью модели, предварительно обученной на COCO.
    # tracker="botsort.yaml"  # Выбрать трекеры, например "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

Объекты SolutionResults имеют следующие атрибуты:

Подробнее см. в документации класса SolutionResults.

Использование решений через CLI#

yolo solutions count show=True # for object counting

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

Внеси вклад в наши решения#

Мы рады вкладу сообщества! Если ты хорошо разбираешься в какой-либо области Ultralytics YOLO, которая ещё не охвачена нашими решениями, поделись своим опытом. Подготовка руководства — отличный способ помочь сообществу и сделать нашу документацию более полной и удобной для пользователей.

Для начала прочитай наше руководство по участию, в котором описано, как открыть Pull Request (PR) 🛠️. Будем рады твоему вкладу!

Давай вместе сделаем экосистему Ultralytics YOLO надёжнее и универсальнее 🙏!

Часто задаваемые вопросы#