YOLO Vision 2026 :

Inférence en direct avec l'application Streamlit utilisant Ultralytics YOLO26#

Introduction#

Streamlit permet de créer et de déployer facilement des applications Web interactives. Combiner cela avec Ultralytics YOLO26 permet d'effectuer une détection d'objets et une analyse en temps réel directement dans ton navigateur. La grande précision et la rapidité de YOLO26 garantissent des performances fluides pour les flux vidéo en direct, ce qui le rend idéal pour les applications dans la sécurité, la vente au détail et bien plus encore.



Watch: How to Build a Live Inference App with Ultralytics YOLO26 & Streamlit | Detection & Segmentation 🚀
AquacultureÉlevage
Fish Detection using Ultralytics YOLO26Animals Detection using Ultralytics YOLO26
Détection de poissons utilisant Ultralytics YOLO26Détection d'animaux utilisant Ultralytics YOLO26

Avantages de l'inférence en direct#

  • Détection d'objets en temps réel fluide : Streamlit combiné avec YOLO26 permet une détection d'objets en temps réel directement à partir du flux de ta webcam. Cela permet une analyse et des informations immédiates, ce qui le rend idéal pour les applications nécessitant un retour instantané.
  • Déploiement convivial : L'interface interactive de Streamlit facilite le déploiement et l'utilisation de l'application sans connaissances techniques approfondies. Tu peux démarrer l'inférence en direct d'un simple clic, améliorant ainsi l'accessibilité et la facilité d'utilisation.
  • Utilisation efficace des ressources : Les algorithmes optimisés de YOLO26 garantissent un traitement à haute vitesse avec un minimum de ressources informatiques. Cette efficacité permet une inférence par webcam fluide et fiable même sur du matériel standard, rendant la vision par ordinateur avancée accessible à un plus large public.

Code de l'application Streamlit#

Installation d'Ultralytics

Avant de commencer à créer l'application, assure-toi d'avoir installé le package Python Ultralytics.

pip install ultralytics
Inférence utilisant Streamlit avec Ultralytics YOLO
yolo solutions inference

yolo solutions inference model="path/to/model.pt"

yolo solutions help # list the available solution commands and arguments

Ces commandes lancent l'interface Streamlit par défaut fournie avec Ultralytics.

Cela lancera l'application Streamlit dans ton navigateur Web par défaut. Tu verras le titre principal, le sous-titre et la barre latérale avec les options de configuration. Sélectionne ton modèle YOLO26 souhaité, définis les seuils de confiance et NMS, et clique sur le bouton "Start" pour commencer la détection d'objets en temps réel.

Comment ça marche#

Sous le capot, l'application Streamlit utilise le module de solutions Ultralytics pour créer une interface interactive. Lorsque tu lances l'inférence, l'application :

  1. Capture la vidéo depuis ta webcam ou un fichier vidéo téléchargé
  2. Traite chaque image via le modèle YOLO26
  3. Applique la détection d'objets avec tes seuils de confiance et d'IoU spécifiés
  4. Affiche les images originales et annotées en temps réel
  5. Active éventuellement le suivi d'objets si sélectionné

L'application fournit une interface propre et conviviale avec des commandes pour ajuster les paramètres du modèle et démarrer/arrêter l'inférence à tout moment.

Conclusion#

En suivant ce guide, tu as créé avec succès une application de détection d'objets en temps réel en utilisant Streamlit et Ultralytics YOLO26. Cette application te permet de découvrir la puissance de YOLO26 dans la détection d'objets via ta webcam, avec une interface conviviale et la possibilité d'arrêter le flux vidéo à tout moment.

Pour d'autres améliorations, tu peux explorer l'ajout de fonctionnalités supplémentaires telles que l'enregistrement du flux vidéo, la sauvegarde des images annotées ou l'intégration avec d'autres bibliothèques de vision par ordinateur.

FAQ#

  • La configuration d'une application de détection d'objets en temps réel avec Streamlit et Ultralytics YOLO26 est simple. Tout d'abord, assure-toi d'avoir installé le package Python Ultralytics en utilisant :

    pip install ultralytics

    Ensuite, tu peux créer une application Streamlit de base pour exécuter l'inférence en direct :

    Application Streamlit
    from ultralytics import solutions

inf = solutions.Inference(
    model="yolo26n.pt",  # you can use any model that Ultralytics supports, e.g., YOLO26, YOLOv10
)

inf.inference()

# Make sure to run the file using command `streamlit run path/to/file.py`

    Pour plus de détails sur la configuration pratique, consulte la section Streamlit Application Code de la documentation.

  • L'utilisation d'Ultralytics YOLO26 avec Streamlit pour la détection d'objets en temps réel offre plusieurs avantages :

    • Détection en temps réel fluide : Obtiens une détection d'objets en temps réel à haute précision directement à partir des flux de ta webcam.
    • Interface conviviale : L'interface intuitive de Streamlit permet une utilisation et un déploiement faciles sans connaissances techniques approfondies.
    • Efficacité des ressources : Les algorithmes optimisés de YOLO26 garantissent un traitement haute vitesse avec un minimum de ressources informatiques.

    Apprends-en plus sur ces avantages dans la section Advantages of Live Inference.

  • Après avoir codé ton application Streamlit intégrant Ultralytics YOLO26, tu peux la déployer en exécutant :

    streamlit run path/to/file.py

    Cette commande lancera l'application dans ton navigateur Web par défaut, te permettant de sélectionner des modèles YOLO26, de définir des seuils de confiance et NMS, et de démarrer la détection d'objets en temps réel d'un simple clic. Pour un guide détaillé, consulte la section Streamlit Application Code.

  • La détection d'objets en temps réel utilisant Streamlit et Ultralytics YOLO26 peut être appliquée dans divers secteurs :

    Pour des cas d'utilisation et des exemples plus approfondis, explore les Solutions Ultralytics.

  • Ultralytics YOLO26 offre plusieurs améliorations par rapport aux modèles précédents comme YOLOv5 et les RCNN :

    • Vitesse et précision supérieures : Performance améliorée pour les applications en temps réel.
    • Facilité d'utilisation : Interfaces et déploiement simplifiés.
    • Efficacité des ressources : Optimisé pour une meilleure vitesse avec des besoins informatiques minimaux.

    Pour une comparaison complète, consulte la Documentation d'Ultralytics YOLO26 et les articles de blog associés discutant des performances des modèles.

Contributeurs
GLglenn-jocher13RIRizwanMunawar8RAraimbekovm3PDpderrenger1MAMatthewNoyce1JKjk4e1AMambitious-octopus1RUrulosant1

Commentaires