Ultralytics Solutions: YOLO26을 활용하여 실제 문제 해결#

Ultralytics Solutions는 YOLO 모델의 최첨단 애플리케이션을 제공하며, 객체 수 세기, 블러 처리, 보안 시스템 등 다양한 산업에서 효율성과 정확도를 향상하는 실제 솔루션을 제공합니다. 실용적이고 영향력 있는 구현을 위한 YOLO26의 강력한 기능을 확인해 보세요.

솔루션#

다음은 뛰어난 컴퓨터 비전 프로젝트를 만드는 데 사용할 수 있는 엄선된 Ultralytics 솔루션 목록입니다.

• 분석: YOLO26을 활용한 설명적, 예측적, 처방적 분석을 통해 포괄적인 데이터 분석을 수행하여 패턴을 발견하고 정보에 기반한 의사 결정을 내립니다.
• 거리 계산: YOLO26에서 바운딩 박스 중심점을 사용하여 객체 간 거리를 계산하며, 이는 공간 분석에 필수적입니다.
• 히트맵: 검출 히트맵을 활용하여 행렬 전반의 데이터 강도를 시각화하고 컴퓨터 비전 작업에서 명확한 인사이트를 제공합니다.
• 객체 추적을 사용한 인스턴스 세그멘테이션: YOLO26으로 인스턴스 세그멘테이션과 객체 추적을 구현하여 정밀한 객체 경계와 지속적인 모니터링을 수행합니다.
• Streamlit을 사용한 실시간 추론: 사용자 친화적인 Streamlit 인터페이스를 통해 웹 브라우저에서 직접 YOLO26의 강력한 기능을 활용하여 실시간 객체 검출을 수행합니다.
• 객체 블러 처리: YOLO26을 사용하여 객체를 블러 처리함으로써 이미지 및 동영상 처리에서 개인정보를 보호합니다.
• 객체 수 세기: YOLO26으로 실시간 객체 수 세기를 수행하는 방법을 알아봅니다. 실시간 동영상 스트림에서 객체를 정확하게 셀 수 있는 전문성을 습득합니다.
• 영역별 객체 수 세기: YOLO26을 사용하여 특정 영역의 객체 수를 세고 다양한 영역에서 정확하게 검출합니다.
• 객체 크롭: YOLO26을 사용한 객체 크롭을 익혀 이미지와 동영상에서 객체를 정밀하게 추출합니다.
• 주차 관리: YOLO26으로 주차 구역의 차량 흐름을 정리하고 안내하여 공간 활용도와 사용자 경험을 최적화합니다.
• 대기열 관리: YOLO26을 사용하여 효율적인 대기열 관리 시스템을 구현하고 대기 시간을 최소화하며 생산성을 향상합니다.
• 보안 알람 시스템: 새로운 객체가 감지되면 알림을 트리거하는 보안 알람 시스템을 YOLO26으로 구축합니다. 특정 요구 사항에 맞게 시스템을 사용자 지정할 수 있습니다.
• 유사도 검색: OpenAI CLIP 임베딩과 코사인 유사도 검색을 결합하여 지능형 이미지 검색을 활성화하고, "가방을 들고 있는 사람" 또는 "이동 중인 차량"과 같은 자연어 질의를 사용할 수 있습니다.
• 속도 추정: YOLO26과 객체 추적 기술을 사용하여 객체 속도를 추정하며, 이는 자율주행 차량 및 교통 모니터링과 같은 애플리케이션에 중요합니다.
• 구역 내 객체 추적: YOLO26을 사용하여 동영상 프레임의 특정 구역 내 객체를 추적하는 방법을 익혀 정밀하고 효율적인 모니터링을 수행합니다.
• VisionEye 객체 매핑: 특정 객체에 사람의 눈이 초점을 맞추는 방식을 모방하는 시스템을 개발하여 세부 정보를 식별하고 우선순위를 지정하는 컴퓨터의 기능을 향상합니다.
• 운동 모니터링: YOLO26을 사용하여 운동을 모니터링하는 방법을 알아봅니다. 다양한 피트니스 루틴을 실시간으로 추적하고 분석하는 방법을 학습합니다.

솔루션 인수#

SolutionAnnotator 사용법#

모든 Ultralytics Solutions는 별도의 클래스 SolutionAnnotator를 사용합니다. 이 클래스는 기본 Annotator 클래스를 확장하며 다음 메서드를 제공합니다.

SolutionResults 사용#

Similarity Search을 제외하면 각 Solution 호출은 SolutionResults 객체를 반환합니다.

• 객체 수 세기의 경우 결과에는 in_count, out_count 및 classwise_count가 포함됩니다.

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

SolutionResults 객체에는 다음 속성이 있습니다.

자세한 내용은 SolutionResults 클래스 문서를 참조하세요.

CLI를 통한 Solutions 사용법#

yolo solutions count show=True # for object counting

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

솔루션에 기여하기#

커뮤니티의 기여를 환영합니다! Ultralytics YOLO의 특정 측면을 능숙하게 다루지만 아직 솔루션에서 다루지 않은 내용이 있다면 전문 지식을 공유해 주시기 바랍니다. 가이드를 작성하는 것은 커뮤니티에 기여하고 문서를 더욱 포괄적이고 사용자 친화적으로 만드는 데 도움을 주는 훌륭한 방법입니다.

시작하려면 기여 가이드를 읽고 풀 리퀘스트(PR)를 제출하는 방법과 관련 지침을 확인해 주세요 🛠️. 여러분의 기여를 기다리겠습니다!

함께 Ultralytics YOLO 생태계를 더욱 강력하고 다재다능하게 만들어 나갑시다 🙏!

FAQ#