Решения Ultralytics: используй YOLO26 для решения реальных задач#

Решения Ultralytics предлагают передовые применения моделей YOLO, включая реальные решения для подсчёта объектов, размытия и систем безопасности, повышая эффективность и точность в различных отраслях. Узнай о возможностях YOLO26 для практических и эффективных реализаций.

Решения#

Вот тщательно подобранный список решений Ultralytics, которые можно использовать для создания отличных проектов в области компьютерного зрения.

• Аналитика: проводи комплексный анализ данных, чтобы выявлять закономерности и принимать обоснованные решения, используя YOLO26 для описательной, прогнозной и предписывающей аналитики.
• Расчёт расстояния: рассчитывай расстояния между объектами по центроидам ограничивающих рамок в YOLO26 — это важно для пространственного анализа.
• Тепловые карты: используй тепловые карты детекций для визуализации интенсивности данных по матрице и получения наглядной информации в задачах компьютерного зрения.
• Сегментация экземпляров с отслеживанием объектов: реализуй сегментацию экземпляров и отслеживание объектов с помощью YOLO26, чтобы получать точные границы объектов и непрерывно отслеживать их.
• Потоковый инференс с Streamlit: используй возможности YOLO26 для обнаружения объектов в реальном времени непосредственно в веб-браузере через удобный интерфейс Streamlit.
• Размытие объектов: применяй размытие объектов с помощью YOLO26 для защиты конфиденциальности при обработке изображений и видео.
• Подсчёт объектов: научись подсчитывать объекты в реальном времени с помощью YOLO26. Освой точный подсчёт объектов в потоковом видео.
• Подсчёт объектов в регионах: подсчитывай объекты в определённых регионах с помощью YOLO26 для точного обнаружения в разных областях.
• Обрезка объектов: освой обрезку объектов с помощью YOLO26 для точного извлечения объектов из изображений и видео.
• Управление парковкой: организуй и направляй движение транспорта на парковках с помощью YOLO26, оптимизируя использование пространства и удобство пользователей.
• Управление очередями: внедряй эффективные системы управления очередями, чтобы сокращать время ожидания и повышать производительность с помощью YOLO26.
• Система охранной сигнализации: создай с помощью YOLO26 систему охранной сигнализации, которая отправляет оповещения при обнаружении новых объектов. Настрой систему под свои требования.
• Поиск похожих изображений: обеспечь интеллектуальный поиск изображений, объединив эмбеддинги OpenAI CLIP с поиском по косинусному сходству, чтобы поддерживать запросы на естественном языке, например "человек с сумкой" или "движущиеся транспортные средства".
• Оценка скорости: оценивай скорость объектов с помощью YOLO26 и методов отслеживания объектов — это важно для таких приложений, как автономные транспортные средства и мониторинг дорожного движения.
• Отслеживание объектов в зоне: научись отслеживать объекты в определённых зонах кадров видео с помощью YOLO26 для точного и эффективного мониторинга.
• Маппинг объектов с представлением VisionEye: разрабатывай системы, имитирующие фокусировку человеческого глаза на определённых объектах и повышающие способность компьютера распознавать детали и расставлять приоритеты.
• Мониторинг тренировок: узнай, как отслеживать тренировки с помощью YOLO26. Научись в реальном времени отслеживать и анализировать различные фитнес-упражнения.

Аргументы решений#

Использование SolutionAnnotator#

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

Работа с SolutionResults#

За исключением Similarity Search, каждый вызов решения возвращает объект SolutionResults.

• Для подсчёта 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,  # 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:

Подробнее см. в документации по классу 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 приветствуем вклад сообщества! Если ты хорошо разбираешься в каком-либо аспекте Ultralytics YOLO, который ещё не рассматривается в наших решениях, поделись своими знаниями. Написание руководства — отличный способ внести свой вклад в развитие сообщества и помочь нам сделать документацию более полной и удобной для пользователей.

Для начала ознакомься с нашим руководством для участников, где описано, как открыть запрос на включение (PR) 🛠️. Мы с нетерпением ждём твоих вкладов!

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

Часто задаваемые вопросы#