Как запустить Ultralytics YOLO11 через CLI

Сегодня камеры повсюду: в магазинах, офисах, на улицах и в общественных местах — они фиксируют события, которые помогают получить ответы на важные вопросы. Визуальные данные с этих камер могут раскрыть полезную информацию о разных аспектах повседневной жизни: транспортном потоке, поведении толпы, состоянии окружающей среды и даже перемещениях и взаимодействиях отдельных людей. Однако вручную просмотреть все эти видео невозможно, поэтому важные сведения часто остаются незамеченными.

Передовые технологии ИИ, такие как компьютерное зрение, позволяют вывести анализ визуальных данных на новый уровень. Они упрощают сложные задачи, превращая необработанные видеозаписи в понятные выводы, на основе которых можно действовать. Выявление закономерностей, отслеживание действий и оптимизация процессов — всё это становится быстрее и точнее. Для бизнеса это означает меньше ручной работы и более эффективные решения.

Ultralytics YOLO11 — это продвинутая модель компьютерного зрения, упрощающая такие задачи, как обнаружение объектов в реальном времени, оценка позы, отслеживание и классификация изображений. Модель рассчитана на пользователей с разным уровнем технического опыта и позволяет каждому легко извлекать полезную информацию из изображений и видео.

В этой статье мы подробнее рассмотрим, как запускать решения на базе Ultralytics YOLO11 через интерфейс командной строки (CLI).

Что такое интерфейс командной строки?#

Интерфейс командной строки — это простой инструмент, который позволяет взаимодействовать с компьютером, вводя обычные текстовые команды. Через CLI можно напрямую отдавать команды системе и быстро выполнять задачи без громоздкого ПО и сложных интерфейсов. Это удобный и эффективный способ работы, особенно если тебе нужен результат без лишних шагов.

CLI также позволяет быстро и эффективно выполнять повторяющиеся задачи. Созданную команду можно легко использовать повторно по мере необходимости, упрощая рабочие процессы и сводя ручные усилия к минимуму.

В задачах компьютерного зрения можно использовать Ultralytics YOLO11 через CLI, чтобы легко анализировать видео или отслеживать объекты: специальные знания не требуются. Например, с помощью всего нескольких команд можно посчитать людей в видео и быстро получить точные результаты для отслеживания активности.

Рис. 1. Подсчёт людей для точного отслеживания и получения полезных сведений.

Обзор решений Ultralytics YOLO11#

Пакет Ultralytics для Python включает встроенные решения на базе YOLO11 для реальных задач в розничной торговле, транспортной отрасли, сфере безопасности и спорте. Запуская эти решения из командной строки, компании могут быстро упростить сложные задачи и получить полезные выводы, на основе которых можно действовать.

Вот краткий обзор некоторых решений Ultralytics:

• Подсчёт объектов: автоматически считай объекты в видео или прямых трансляциях — например, автомобили на дорогах или запасы на складе, — чтобы отслеживать активность или управлять запасами.
• Управление очередями: отслеживай длину очередей в реальном времени, чтобы повысить эффективность обслуживания и сократить время ожидания клиентов.
• Система охранной сигнализации: обнаруживай подозрительные движения или несанкционированные объекты в закрытых зонах и включай оповещения для повышения безопасности.
• Оценка скорости: измеряй скорость движения автомобилей или спортсменов на видео, чтобы улучшить управление дорожным движением или анализ спортивных результатов.

Это лишь несколько примеров универсальных решений Ultralytics. Полный список доступных возможностей смотри в документации по решениям Ultralytics.

Открой для себя решения Ultralytics YOLO11 с помощью CLI#

Начать работу с решениями Ultralytics YOLO11 очень просто, и технические знания не требуются. Всего за несколько простых шагов ты сможешь анализировать изображения и видео и получать полезные выводы.

Сначала открой интерфейс командной строки на компьютере. В Windows найди «Командную строку» в меню «Пуск». В macOS или Linux найди приложение «Терминал» в системе. Затем установи пакет Ultralytics для Python с помощью команды: pip install ultralytics.

Готово! Пакет Ultralytics для Python автоматически настроит всё необходимое, поэтому сложная конфигурация и дополнительные инструменты не понадобятся. После установки можно приступать к изучению его возможностей.

Пакет Ultralytics для Python позволяет настраивать функции под свои задачи. Для более быстрых результатов или подробного анализа можно выбрать модель под конкретное применение. Кроме того, результаты можно отображать в реальном времени во время обработки данных или сохранять для просмотра позже — как тебе удобнее.

Превращаем визуальные данные в выводы, на основе которых можно действовать#

После настройки Ultralytics YOLO11 можно посмотреть, как модель превращает необработанные визуальные данные в полезные выводы. Чтобы показать её возможности, разберём практический пример: проанализируем видео с движением на шоссе и построим тепловую карту.

Тепловые карты наглядно показывают транспортный поток и помогают выявить зоны высокой и низкой активности. Они раскрывают закономерности движения транспорта, что позволяет принимать более взвешенные решения и эффективнее решать повседневные задачи управления дорожным движением.

Рис. 2. Кадр из тестового видео для анализа дорожного движения в реальных условиях.

Для начала достаточно простой команды в CLI (например, yolo solutions heatmap source="path/to/video.mp4"): укажи расположение видеофайла в своей системе, и решение проанализирует видео, обнаружит и отследит объекты, а затем создаст цветовую тепловую карту. Более тёплые цвета показывают зоны с повышенной активностью, а более холодные — менее активные области. В руководстве по решению Ultralytics Heatmaps приведены понятные примеры команд, с помощью которых можно легко настроить и запустить решение под свои задачи.

Как данные тепловой карты помогают принимать более взвешенные решения#

Как показано ниже, тепловая карта для тестового кадра наглядно отображает транспортный поток, выделяя зоны заторов и свободного движения. Эти данные очень полезны для управления дорожным движением: они помогают планировщикам перенаправлять транспорт, улучшать схему парковок и эффективнее использовать дороги.

Рис. 3. Тепловая карта транспортного потока, созданная с помощью Ultralytics YOLO11. Изображение предоставлено автором.

Визуализация транспортных потоков с помощью тепловых карт упрощает поиск узких мест и проблемных зон и помогает находить способы повысить эффективность. Она также позволяет выявить важные детали, например резкую смену полосы или замедление движения, которые могут указывать на угрозу безопасности. Решение этих проблем помогает сократить число аварий и сделать дороги безопаснее и надёжнее. В целом тепловые карты дают данные, необходимые для улучшения управления дорожным движением и повышения безопасности дорог для всех.

Создание приложений для компьютерного зрения с помощью решений Ultralytics#

Решения Ultralytics YOLO11 помогают решать повседневные задачи в разных отраслях, повышая эффективность и улучшая процесс принятия решений. Рассмотрим несколько примеров подробнее.

Оптимизация розничной торговли с помощью Ultralytics YOLO11#

Управлять розничным магазином в часы пик может быть непросто. Иногда сотрудникам сложно вручную отслеживать потоки покупателей, из-за чего проходы переполняются, а на кассах не хватает персонала. С помощью YOLO11 Ultralytics предлагает простое решение для подсчёта посетителей, входящих в магазин и выходящих из него, помогая управляющим распределять сотрудников с учётом спроса, а не наугад.

Ultralytics YOLO11 помогает улучшить управление парковкой#

Управление парковкой может вызывать раздражение, если сложно найти свободное место. Традиционные методы, например ручной контроль, часто не справляются в часы пик. Ultralytics YOLO11 позволяет показывать информацию о свободных парковочных местах в реальном времени. Компьютерное зрение помогает эффективно направлять водителей и сокращать ненужные задержки.

Кроме того, несанкционированная парковка автомобилей на зарезервированных местах может создавать угрозу безопасности. С помощью Ultralytics YOLO11 и ANPR (распознавание автомобильных номерных знаков) такие нарушения можно быстро обнаруживать и устранять, обеспечивая безопасность закрытых зон. Анализ транспортных потоков на парковке также помогает уменьшить заторы и сделать поездки водителей комфортнее.

Рис. 4. Интеллектуальное управление парковкой с помощью YOLO11.

Оптимизация сельскохозяйственных операций с помощью Ultralytics YOLO11#

Ещё одно интересное решение Ultralytics связано с подсчётом объектов в заданных областях. Оно помогает фермерам эффективнее управлять крупными хозяйствами. Например, анализируя видеозаписи с дронов, можно следить за посевами или скотом на определённых участках и раньше обнаруживать такие проблемы, как распространение вредителей или очаги заболеваний. Благодаря этому фермеры могут быстрее принимать меры для защиты урожая и сокращения потерь.

Рис. 5. Обнаружение жуков с помощью компьютерного зрения.

Преимущества решений Ultralytics YOLO11#

Вот некоторые преимущества, показывающие, как решения Ultralytics YOLO11 могут улучшить рабочие процессы в разных компаниях:

• Помогает эффективнее распределять ресурсы: Ultralytics YOLO11 позволяет определить, где ресурсы нужнее всего: например, направить персонал в более загруженные зоны или изменить планировку для повышения эффективности.
• Снижает операционные расходы: автоматизация анализа видео уменьшает объём ручной работы, экономит время и сокращает расходы, помогая бесперебойно вести деятельность.
• Выявляет скрытые возможности: система помогает обнаруживать незаметные тенденции и закономерности, например неиспользуемые площади или возможности повысить вовлечённость клиентов.
• Упрощает обмен данными: подробные визуальные результаты позволяют легко делиться выводами между командами и помогают всем участникам работать согласованно.

Главные выводы#

Ultralytics YOLO11 предлагает передовые технологии в удобном формате и упрощает анализ изображений и видео, делая его доступным для всех, независимо от технических навыков. Благодаря гибкости YOLO11 подходит для применения в самых разных отраслях, включая розничную торговлю, городское планирование, спорт и охрану труда.

Компании могут использовать эту модель для решения задач, получения ценных выводов и оптимизации повседневной деятельности. Простая настройка, гибкие возможности и наглядные результаты делают её эффективным инструментом для преобразования визуальных данных в выводы, на основе которых можно действовать.

Присоединяйся к нашему сообществу и загляни в наш репозиторий GitHub, чтобы узнать больше об ИИ. Посмотри, как компьютерное зрение в производстве и ИИ в здравоохранении расширяют границы инноваций. Также ознакомься с вариантами лицензирования, чтобы начать уже сегодня!