Meet YOLO26: next-gen vision AI.

Link to this sectionUltralytics Solutions: используй YOLO26 для решения реальных задач#

Ultralytics Solutions предоставляют передовые приложения моделей YOLO, предлагая решения для таких задач, как подсчет объектов, размытие и системы безопасности, повышая эффективность и точность в различных отраслях. Открой для себя мощь YOLO26 для практической и эффективной реализации.

Миниатюра Ultralytics Solutions



Watch: How to Run Ultralytics Solutions from the Command Line (CLI) | Ultralytics YOLO26 🚀

Link to this sectionРешения#

Вот наш тщательно отобранный список решений Ultralytics, которые ты можешь использовать для создания классных проектов по компьютерному зрению.

  • Аналитика: проводи комплексный анализ данных, чтобы выявлять закономерности и принимать обоснованные решения, используя YOLO26 для дескриптивной, предиктивной и прескриптивной аналитики.
  • Расчет расстояния: вычисляй расстояния между объектами, используя центроиды ограничивающих рамок в YOLO26, что необходимо для пространственного анализа.
  • Тепловые карты: используй тепловые карты обнаружения для визуализации интенсивности данных по матрице, обеспечивая четкое понимание в задачах компьютерного зрения.
  • Сегментация экземпляров с отслеживанием объектов: внедряй сегментацию экземпляров и отслеживание объектов с помощью YOLO26 для получения точных границ объектов и непрерывного мониторинга.
  • Live Inference со Streamlit: используй мощь YOLO26 для обнаружения объектов в режиме реального времени прямо в браузере с помощью удобного интерфейса Streamlit.
  • Размытие объектов: применяй размытие объектов с помощью YOLO26 для защиты конфиденциальности при обработке изображений и видео.
  • Подсчет объектов: научись выполнять подсчет объектов в режиме реального времени с помощью YOLO26. Получи опыт для точного подсчета объектов в потоках живого видео.
  • Подсчет объектов в регионах: считай объекты в определенных зонах, используя YOLO26 для точного обнаружения в различных областях.
  • Обрезка объектов: освой обрезку объектов с помощью YOLO26 для точного извлечения объектов из изображений и видео.
  • Управление парковкой: организуй и направляй поток транспортных средств на парковках с помощью YOLO26, оптимизируя использование пространства и улучшая пользовательский опыт.
  • Управление очередями: внедряй эффективные системы управления очередями, чтобы минимизировать время ожидания и повысить производительность с помощью YOLO26.
  • Система охранной сигнализации: создай систему сигнализации с YOLO26, которая запускает оповещения при обнаружении новых объектов. Настрой систему под свои конкретные нужды.
  • Поиск по сходству: обеспечь интеллектуальный поиск изображений, объединив эмбеддинги OpenAI CLIP с Meta FAISS, что позволит использовать запросы на естественном языке, например «человек с сумкой» или «движущиеся транспортные средства».
  • Оценка скорости: оценивай скорость объектов с помощью YOLO26 и методов отслеживания объектов, что крайне важно для таких приложений, как автономные транспортные средства и мониторинг дорожного движения.
  • Отслеживание объектов в зоне: узнай, как отслеживать объекты внутри определенных зон видеокадров с помощью YOLO26 для точного и эффективного мониторинга.
  • Картографирование объектов через VisionEye View: разрабатывай системы, имитирующие фокусировку человеческого глаза на конкретных объектах, улучшая способность компьютера различать и расставлять приоритеты в деталях.
  • Мониторинг тренировок: узнай, как отслеживать тренировки с помощью YOLO26. Научись отслеживать и анализировать различные фитнес-упражнения в режиме реального времени.

Link to this sectionАргументы решений#

АргументТипПо умолчаниюОписание
modelstrNoneПуть к файлу модели Ultralytics YOLO.
regionlist'[(20, 400), (1260, 400)]'Список точек, определяющих область подсчета.
show_inboolTrueФлаг для управления отображением входящих объектов в потоке видео.
show_outboolTrueФлаг для управления отображением выходящих объектов в потоке видео.
analytics_typestr'line'Тип графика, например, line, bar, area или pie.
colormapintcv2.COLORMAP_DEEPGREENЦветовая карта для использования в тепловой карте.
json_filestrNoneПуть к JSON-файлу, который содержит все данные о координатах парковки.
up_anglefloat145.0Пороговый угол для позы «вверх».
kptslist[int]'[6, 8, 10]'Список из трех индексов ключевых точек, используемых для контроля тренировок. Эти ключевые точки соответствуют суставам или частям тела, таким как плечи, локти и запястья, для упражнений типа отжиманий, подтягиваний, приседаний и упражнений на пресс.
down_angleint90Пороговый угол для позы «вниз».
blur_ratiofloat0.5Регулирует процент интенсивности размытия со значениями в диапазоне 0.1 - 1.0.
crop_dirstr'cropped-detections'Имя директории для хранения обрезанных обнаружений.
recordsint5Общее количество обнаружений для запуска электронной почты с охранной сигнализацией.
vision_pointtuple[int, int](20, 20)Точка, где зрение будет отслеживать объекты и рисовать пути, используя решение VisionEye.
sourcestrNoneПуть к входному источнику (видео, RTSP и т. д.). Используется только с интерфейсом командной строки (CLI) решений.
figsizetuple[int, int](12.8, 7.2)Размер фигуры для аналитических графиков, таких как тепловые карты или графики.
fpsfloat30.0Количество кадров в секунду, используемое для расчетов скорости.
max_histint5Максимальное количество исторических точек для отслеживания объекта при расчетах скорости/направления.
meter_per_pixelfloat0.05Масштабирующий коэффициент, используемый для преобразования расстояния в пикселях в реальные единицы измерения.
max_speedint120Максимальное ограничение скорости в визуальных оверлеях (используется в оповещениях).
datastr'images'Путь к директории изображений, используемой для поиска по сходству.
imgszint640Размер входного изображения для вывода модели.
Аргументы отслеживания

Решения также поддерживают некоторые аргументы из track, включая такие параметры, как conf, line_width, tracker, model, show, verbose и classes.

АргументТипПо умолчаниюОписание
trackerstr'botsort.yaml'Указывает алгоритм отслеживания, который нужно использовать. Встроенные опции: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml.
conffloat0.1Устанавливает порог уверенности для обнаружений; более низкие значения позволяют отслеживать больше объектов, но могут включать ложные срабатывания.
ioufloat0.7Устанавливает порог Intersection over Union (IoU) для фильтрации перекрывающихся обнаружений.
classeslistNoneФильтрует результаты по индексу класса. Например, classes=[0, 2, 3] отслеживает только указанные классы.
verboseboolTrueКонтролирует отображение результатов отслеживания, предоставляя визуальный вывод отслеживаемых объектов.
devicestrNoneУказывает устройство для вывода (например, cpu, cuda:0 или 0). Позволяет выбирать между CPU, конкретным GPU или другими вычислительными устройствами для выполнения модели.
Аргументы визуализации

Ты можешь использовать show_conf, show_labels и другие упомянутые аргументы для настройки визуализации.

АргументТипПо умолчаниюОписание
showboolFalseЕсли True, отображает аннотированные изображения или видео в окне. Полезно для немедленной визуальной обратной связи во время разработки или тестирования.
line_widthint or NoneNoneУказывает ширину линии ограничивающих рамок. Если None, ширина линии автоматически подстраивается под размер изображения. Обеспечивает визуальную настройку для ясности.
show_confboolTrueОтображает показатель уверенности для каждого обнаружения рядом с меткой. Дает представление об уверенности модели в каждом обнаружении.
show_labelsboolTrueОтображает метки для каждого обнаружения в визуальном выводе. Обеспечивает быстрое понимание того, какие объекты были обнаружены.

Link to this sectionИспользование SolutionAnnotator#

Все решения Ultralytics Solutions используют отдельный класс SolutionAnnotator, который расширяет основной класс Annotator и имеет следующие методы:

МетодТип возвращаемого значенияОписание
draw_region()NoneРисует область, используя указанные точки, цвета и толщину.
queue_counts_display()NoneОтображает количество объектов в очереди в указанной области.
display_analytics()NoneОтображает общую статистику для управления парковкой.
estimate_pose_angle()floatВычисляет угол между тремя точками в позе объекта.
draw_specific_kpts()np.ndarrayРисует определенные ключевые точки на изображении.
plot_workout_information()intРисует текстовое поле с меткой на изображении.
plot_angle_and_count_and_stage()NoneВизуализирует угол, количество повторений и этап для мониторинга тренировок.
plot_distance_and_line()NoneОтображает расстояние между центроидами и соединяет их линией.
display_objects_labels()NoneАннотирует ограничивающие рамки метками классов объектов.
sweep_annotator()NoneВизуализирует вертикальную линию сканирования и необязательную метку.
visioneye()NoneСопоставляет и соединяет центроиды объектов с визуальной точкой "глаза".
adaptive_label()NoneРисует круглую или прямоугольную фоновую метку в центре ограничивающей рамки.

Link to this sectionРабота с SolutionResults#

За исключением Similarity Search, каждый вызов решения возвращает список объектов SolutionResults.

  • Для подсчета объектов результаты включают in_count, out_count и classwise_count.
SolutionResults
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,  # display the output
    region=region_points,  # pass region points
    model="yolo26n.pt",  # model="yolo26n-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(im0)
print(results.in_count)  # display in_counts
print(results.out_count)  # display out_counts
print(results.classwise_count)  # display classwise_count

Объект SolutionResults имеет следующие атрибуты:

АтрибутТипОписание
plot_imnp.ndarrayИзображение с визуальными наложениями, такими как счетчики, эффекты размытия или улучшения, специфичные для решения.
in_countintОбщее количество объектов, вошедших в определенную зону в видеопотоке.
out_countintОбщее количество объектов, вышедших из определенной зоны в видеопотоке.
classwise_countDict[str, int]Словарь, записывающий количество входящих/выходящих объектов по классам для расширенной аналитики.
queue_countintКоличество объектов, находящихся в текущий момент в предопределенной очереди или зоне ожидания (подходит для управления очередями).
workout_countintОбщее количество выполненных повторений упражнений во время трекинга тренировки.
workout_anglefloatВычисленный угол сустава или позы во время тренировки для оценки техники выполнения.
workout_stagestrТекущий этап тренировки или фаза движения (например, 'вверх', 'вниз').
pixels_distancefloatРасстояние в пикселях между двумя объектами или точками, например, ограничивающими рамками. (Подходит для расчета расстояния).
available_slotsintКоличество свободных мест в контролируемой зоне (подходит для управления парковкой).
filled_slotsintКоличество занятых мест в контролируемой зоне. (Подходит для управления парковкой)
email_sentboolУказывает, было ли успешно отправлено уведомление или оповещение по электронной почте (подходит для охранной сигнализации).
total_tracksintОбщее количество уникальных треков объектов, наблюдаемых во время видеоанализа.
region_countsDict[str, int]Количество объектов внутри пользовательских областей или зон.
speed_dictDict[str, float]Словарь скоростей объектов по трекам, полезный для анализа скорости.
total_crop_objectsintОбщее количество обрезанных изображений объектов, созданных решением ObjectCropper.
speedDict[str, float]Словарь, содержащий показатели производительности для отслеживания и обработки решений.

Подробнее см. в документации к классу SolutionResults.

Link to this sectionИспользование решений через CLI#

Информация о команде

Большинство решений можно использовать напрямую через интерфейс командной строки, включая:

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

Синтаксис

yolo SOLUTIONS SOLUTION_NAME ARGS
  • SOLUTIONS — обязательное ключевое слово.
  • SOLUTION_NAME — одно из: ['count', 'crop', 'blur', 'workout', 'heatmap', 'isegment', 'queue', 'speed', 'analytics', 'trackzone', 'inference', 'visioneye', 'region', 'security', 'parking'].
  • ARGS (опционально) — это пользовательские пары arg=value, такие как show_in=True, для переопределения настроек по умолчанию.
yolo solutions count show=True # for object counting

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

Link to this sectionВнеси свой вклад в наши решения#

Мы приветствуем вклад сообщества! Если ты освоил определенный аспект Ultralytics YOLO, который еще не охвачен в наших решениях, мы призываем тебя поделиться своим опытом. Написание руководства — отличный способ помочь сообществу и сделать нашу документацию более полной и удобной для пользователей.

Чтобы начать, пожалуйста, прочти наше Руководство по участию, где описаны рекомендации по открытию Pull Request (PR) 🛠️. Мы с нетерпением ждем твоего вклада!

Давай вместе сделаем экосистему Ultralytics YOLO более надежной и универсальной 🙏!

Link to this sectionFAQ#

Link to this sectionКак я могу использовать Ultralytics YOLO для подсчета объектов в реальном времени?#

Ultralytics YOLO26 можно использовать для подсчета объектов в реальном времени, задействуя его расширенные возможности обнаружения объектов. Ты можешь следовать нашему подробному руководству по подсчету объектов, чтобы настроить YOLO26 для анализа живого видеопотока. Просто установи YOLO26, загрузи свою модель и обрабатывай кадры видео для динамического подсчета объектов.

Link to this sectionКаковы преимущества использования Ultralytics YOLO для систем безопасности?#

Ultralytics YOLO26 улучшает системы безопасности, предлагая обнаружение объектов в реальном времени и механизмы оповещения. Используя YOLO26, ты можешь создать систему охранной сигнализации, которая активирует оповещения при обнаружении новых объектов в зоне наблюдения. Узнай, как настроить систему охранной сигнализации с помощью YOLO26 для надежного мониторинга безопасности.

Link to this sectionКак Ultralytics YOLO может улучшить системы управления очередями?#

Ultralytics YOLO26 может значительно улучшить системы управления очередями за счет точного подсчета и отслеживания людей в очереди, тем самым помогая сократить время ожидания и оптимизировать эффективность обслуживания. Следуй нашему подробному руководству по управлению очередями, чтобы узнать, как внедрить YOLO26 для эффективного мониторинга и анализа очередей.

Link to this sectionМожно ли использовать Ultralytics YOLO для мониторинга тренировок?#

Да, Ultralytics YOLO26 можно эффективно использовать для мониторинга тренировок путем отслеживания и анализа фитнес-упражнений в реальном времени. Это позволяет точно оценивать технику выполнения и эффективность. Изучи наше руководство по мониторингу тренировок, чтобы узнать, как настроить систему мониторинга тренировок на базе ИИ с использованием YOLO26.

Link to this sectionКак Ultralytics YOLO помогает в создании тепловых карт для визуализации данных?#

Ultralytics YOLO26 может генерировать тепловые карты для визуализации интенсивности данных в заданной области, выделяя регионы с высокой активностью или интересом. Эта функция особенно полезна для понимания паттернов и трендов в различных задачах компьютерного зрения. Узнай больше о создании и использовании тепловых карт с YOLO26 для комплексного анализа и визуализации данных.

Комментарии