Link to this sectionGelişmiş Veri Görselleştirme: Ultralytics YOLO26 kullanarak Isı Haritaları 🚀#

Link to this sectionIsı Haritalarına Giriş#

Ultralytics YOLO26 ile oluşturulan bir ısı haritası, karmaşık verileri canlı, renk kodlu bir matrise dönüştürür. Bu görsel araç, farklı veri değerlerini temsil etmek için bir renk yelpazesi kullanır; burada daha sıcak tonlar daha yüksek yoğunlukları, daha soğuk tonlar ise daha düşük değerleri ifade eder. Isı haritaları, karmaşık veri kalıplarını, korelasyonları ve anormallikleri görselleştirmede üstündür ve farklı alanlarda veri yorumlama için erişilebilir ve ilgi çekici bir yaklaşım sunar.

Link to this sectionVeri Analizi için Neden Isı Haritalarını Seçmelisin?#

• Sezgisel Veri Dağılımı Görselleştirmesi: Isı haritaları, karmaşık veri kümelerini anlaşılması kolay görsel formatlara dönüştürerek veri yoğunluğunu ve dağılımını kavramayı basitleştirir.
• Verimli Kalıp Tespiti: Verileri ısı haritası formatında görselleştirerek trendleri, kümeleri ve aykırı değerleri fark etmek kolaylaşır, bu da daha hızlı analiz ve içgörü sağlar.
• Geliştirilmiş Mekansal Analiz ve Karar Verme: Isı haritaları, iş zekası, çevresel çalışmalar ve şehir planlama gibi sektörlerde karar verme süreçlerine yardımcı olarak mekansal ilişkileri göstermede etkilidir.

Link to this sectionGerçek Dünya Uygulamaları#

Ulaşım	Perakende
Ultralytics YOLO26 Ulaşım Isı Haritası	Ultralytics YOLO26 Perakende Isı Haritası

# Run a heatmap example
yolo solutions heatmap show=True

# Pass a source video
yolo solutions heatmap source="path/to/video.mp4"

# Pass a custom colormap
yolo solutions heatmap colormap=cv2.COLORMAP_INFERNO

# Heatmaps + object counting
yolo solutions heatmap region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"

Link to this sectionHeatmap() Argümanları#

İşte Heatmap argümanlarını içeren bir tablo:

You can also apply different track arguments in the Heatmap solution.

Ek olarak, desteklenen görselleştirme argümanları aşağıda listelenmiştir:

Link to this sectionIsı Haritası RENK HARİTALARI (COLORMAPs)#

Bu renk haritaları, farklı renk temsilleriyle verileri görselleştirmek için yaygın olarak kullanılır.

Link to this sectionUltralytics YOLO26'da Isı Haritaları Nasıl Çalışır?#

Ultralytics YOLO26'daki Isı Haritası çözümü, video akışlarındaki hareket kalıplarını oluşturmak ve görselleştirmek için ObjectCounter sınıfını genişletir. Başlatıldığında, çözüm nesneler kare boyunca hareket ettikçe güncellenen boş bir ısı haritası katmanı oluşturur.

Tespit edilen her nesne için çözüm şunları yapar:

1. YOLO26'nın takip yeteneklerini kullanarak nesneyi kareler boyunca takip eder
2. Nesnenin konumundaki ısı haritası yoğunluğunu günceller
3. Yoğunluk değerlerini görselleştirmek için seçilen bir renk haritasını uygular
4. Renkli ısı haritasını orijinal karenin üzerine bindirir

Sonuç, zamanla biriken ve video verilerinizdeki trafik kalıplarını, kalabalık hareketlerini veya diğer mekansal davranışları ortaya çıkaran dinamik bir görselleştirmedir.

Link to this sectionSSS#

Link to this sectionUltralytics YOLO26 ısı haritalarını nasıl oluşturur ve faydaları nelerdir?#

Ultralytics YOLO26, karmaşık verileri farklı renk tonlarının veri yoğunluklarını temsil ettiği renk kodlu bir matrise dönüştürerek ısı haritaları oluşturur. Isı haritaları, verilerdeki kalıpları, korelasyonları ve anormallikleri görselleştirmeyi kolaylaştırır. Daha sıcak tonlar daha yüksek değerleri gösterirken, daha soğuk tonlar daha düşük değerleri temsil eder. Temel faydaları arasında sezgisel veri dağılımı görselleştirmesi, verimli kalıp tespiti ve karar verme için gelişmiş mekansal analiz yer alır. Daha fazla ayrıntı ve yapılandırma seçenekleri için Isı Haritası Yapılandırması bölümüne bakabilirsin.

Link to this sectionUltralytics YOLO26'yı aynı anda hem nesne takibi yapmak hem de ısı haritası oluşturmak için kullanabilir miyim?#

Evet, Ultralytics YOLO26 nesne takibi ve ısı haritası oluşturmayı aynı anda destekler. Bu, nesne takip modelleriyle entegre Heatmap çözümü aracılığıyla başarılabilir. Bunu yapmak için, ısı haritası nesnesini başlatman ve YOLO26'nın takip yeteneklerini kullanman gerekir. İşte basit bir örnek:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
heatmap = solutions.Heatmap(colormap=cv2.COLORMAP_PARULA, show=True, model="yolo26n.pt")

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = heatmap(im0)
cap.release()
cv2.destroyAllWindows()

Daha fazla rehberlik için Takip Modu sayfasına göz atabilirsin.

Link to this sectionUltralytics YOLO26 ısı haritalarını OpenCV veya Matplotlib gibi diğer veri görselleştirme araçlarından farklı kılan nedir?#

Ultralytics YOLO26 ısı haritaları, nesne algılama ve takip modelleriyle entegrasyon için özel olarak tasarlanmıştır ve gerçek zamanlı veri analizi için uçtan uca bir çözüm sağlar. OpenCV veya Matplotlib gibi genel görselleştirme araçlarının aksine, YOLO26 ısı haritaları performans ve otomatik işleme için optimize edilmiştir; kalıcı takip, bozulma faktörü ayarı ve gerçek zamanlı video bindirme gibi özellikleri destekler. YOLO26'nın benzersiz özellikleri hakkında daha fazla bilgi için Ultralytics YOLO26 Tanıtımı sayfasını ziyaret edebilirsin.

Link to this sectionUltralytics YOLO26 kullanarak ısı haritalarında yalnızca belirli nesne sınıflarını nasıl görselleştirebilirim?#

Belirli nesne sınıflarını, YOLO modelinin track() yönteminde istediğin sınıfları belirterek görselleştirebilirsin. Örneğin, yalnızca arabaları ve kişileri görselleştirmek istiyorsan (sınıf dizinlerinin 0 ve 2 olduğunu varsayarsak), classes parametresini buna göre ayarlayabilirsin.

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
heatmap = solutions.Heatmap(show=True, model="yolo26n.pt", classes=[0, 2])

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = heatmap(im0)
cap.release()
cv2.destroyAllWindows()

Link to this sectionİşletmeler neden veri analizinde ısı haritası oluşturmak için Ultralytics YOLO26'yı seçmeli?#

Ultralytics YOLO26, gelişmiş nesne algılama ve gerçek zamanlı ısı haritası oluşturmanın sorunsuz entegrasyonunu sunarak verileri daha etkili bir şekilde görselleştirmek isteyen işletmeler için ideal bir seçim haline gelir. Temel avantajları arasında sezgisel veri dağılımı görselleştirmesi, verimli kalıp tespiti ve daha iyi karar verme için gelişmiş mekansal analiz yer alır. Ek olarak, kalıcı takip, özelleştirilebilir renk haritaları ve çeşitli dışa aktarma formatları desteği gibi YOLO26'nın en son özellikleri, kapsamlı veri analizi için TensorFlow ve OpenCV gibi diğer araçlardan daha üstün olmasını sağlar. İş uygulamaları hakkında daha fazla bilgiyi Ultralytics Planları sayfasında bulabilirsin.