Ultralytics iOS App: Real-time Object Detection with YOLO Models
L'application Ultralytics iOS est un outil puissant qui te permet d'exécuter les modèles YOLO directement sur ton iPhone ou ton iPad pour la détection d'objets en temps réel. Cette appli utilise le moteur neuronal d'Apple et Core ML pour l'optimisation et l'accélération des modèles, ce qui permet une détection rapide et efficace des objets.
Regarde : DĂ©marrer avec l'application Ultralytics HUB (IOS & Android)
Quantification et accélération
To achieve real-time performance on your iOS device, YOLO models are quantized to either FP16 or INT8 precision. Quantization is a process that reduces the numerical precision of the model's weights and biases, thus reducing the model's size and the amount of computation required. This results in faster inference times without significantly affecting the model's accuracy.
Quantification FP16
La quantification FP16 (ou demi-précision) convertit les nombres à virgule flottante de 32 bits du modèle en nombres à virgule flottante de 16 bits. Cela permet de réduire de moitié la taille du modèle et d'accélérer le processus d'inférence, tout en maintenant un bon équilibre entre précision et performance.
INT8 Quantification
La quantification INT8 (ou entier 8 bits) réduit encore la taille du modèle et les besoins de calcul en convertissant ses nombres à virgule flottante de 32 bits en entiers de 8 bits. Cette méthode de quantification peut entraîner une accélération significative, mais elle peut conduire à une légère réduction de la précision.
Moteur neuronal Apple
The Apple Neural Engine (ANE) is a dedicated hardware component integrated into Apple's A-series and M-series chips. It's designed to accelerate machine learning tasks, particularly for neural networks, allowing for faster and more efficient execution of your YOLO models.
En combinant les modèles quantifiés de YOLO avec le moteur neuronal d'Apple, l'applicationiOS Ultralytics permet de détecter des objets en temps réel sur ton appareil iOS sans faire de compromis sur la précision ou la performance.
Année de sortie | Nom de l'iPhone | Nom du chipset | Taille du nœud | ANE TOPs |
---|---|---|---|---|
2017 | iPhone X | A11 Bionic | 10 nm | 0.6 |
2018 | iPhone XS | A12 Bionic | 7 nm | 5 |
2019 | iPhone 11 | A13 Bionic | 7 nm | 6 |
2020 | iPhone 12 | A14 Bionic | 5 nm | 11 |
2021 | iPhone 13 | A15 Bionic | 5 nm | 15.8 |
2022 | iPhone 14 | A16 Bionic | 4 nm | 17.0 |
Attention, cette liste ne comprend que les modèles d'iPhone à partir de 2017, et les valeurs des TOP ANE sont approximatives.
DĂ©marrer avec l'application Ultralytics iOS
Pour commencer Ă utiliser l'application Ultralytics iOS , suis les Ă©tapes suivantes :
-
Télécharge l'application Ultralytics sur l'App Store.
-
Lance l'application sur ton appareil iOS et connecte-toi avec ton compte Ultralytics . Si tu n'as pas encore de compte, crée-en un ici.
-
Une fois connecté, tu verras une liste de tes modèles formés sur YOLO . Sélectionne un modèle à utiliser pour la détection des objets.
-
Accorde à l'appli la permission d'accéder à l'appareil photo de ton appareil.
-
Pointe la caméra de ton appareil vers les objets que tu veux détecter. L'appli affichera les boîtes de délimitation et les étiquettes de classe en temps réel au fur et à mesure qu'elle détecte les objets.
-
Explore les paramètres de l'appli pour ajuster le seuil de détection, activer ou désactiver des classes d'objets spécifiques, et plus encore.
Avec l'application Ultralytics iOS , tu peux maintenant exploiter la puissance des modèles YOLO pour la détection d'objets en temps réel sur ton iPhone ou ton iPad, grâce au moteur neuronal d'Apple et à l'optimisation de la quantification FP16 ou INT8.