Inferenza dal vivo con l'applicazione Streamlit utilizzando Ultralytics YOLO11

Introduzione

Streamlit semplifica la creazione e la distribuzione di applicazioni web interattive. La combinazione con Ultralytics YOLO11 consente il rilevamento e l'analisi degli oggetti in tempo reale direttamente nel browser. YOLO11 garantisce un'elevata precisione e velocità per i flussi video in diretta, rendendolo ideale per le applicazioni nei settori della sicurezza, della vendita al dettaglio e non solo.

Guarda: Come utilizzare Streamlit con Ultralytics per il tempo reale Visione artificiale nel browser

Acquacoltura	Allevamento di animali
Rilevamento dei pesci con Ultralytics YOLO11	Animali Rilevamento tramite Ultralytics YOLO11

Vantaggi dell'inferenza dal vivo

• Rilevamento degli oggetti in tempo reale senza soluzione di continuità: Streamlit, combinato con YOLO11 , consente di rilevare gli oggetti in tempo reale direttamente dal feed della webcam. Ciò consente di effettuare analisi e approfondimenti immediati, rendendolo ideale per le applicazioni che richiedono un feedback immediato.
• Distribuzione facile da usare: L'interfaccia interattiva di Streamlit facilita l'implementazione e l'utilizzo dell'applicazione anche senza conoscenze tecniche approfondite. Gli utenti possono avviare l'inferenza dal vivo con un semplice clic, migliorando l'accessibilità e l'usabilità.
• Utilizzo efficiente delle risorse: l'algoritmo ottimizzato di YOLO11 garantisce un'elaborazione ad alta velocità con risorse computazionali minime. Questa efficienza consente un'inferenza fluida e affidabile della webcam anche su hardware standard, rendendo la computer vision avanzata accessibile a un pubblico più ampio.

Codice applicazione Streamlit

yolo streamlit-predict

from ultralytics import solutions

solutions.inference()

### Make sure to run the file using command `streamlit run <file-name.py>`

In questo modo si avvia l'applicazione Streamlit nel browser web predefinito. Verranno visualizzati il titolo principale, il sottotitolo e la barra laterale con le opzioni di configurazione. Selezionare il modello YOLO11 desiderato, impostare le soglie di confidenza e NMS e fare clic sul pulsante "Start" per avviare il rilevamento degli oggetti in tempo reale.

È possibile fornire facoltativamente un modello specifico in Python:

from ultralytics import solutions

# Pass a model as an argument
solutions.inference(model="path/to/model.pt")

### Make sure to run the file using command `streamlit run <file-name.py>`

Conclusione

Seguendo questa guida, avete creato con successo un'applicazione per il rilevamento di oggetti in tempo reale utilizzando Streamlit e Ultralytics YOLO11 . Questa applicazione consente di sperimentare la potenza di YOLO11 nel rilevamento di oggetti attraverso la webcam, con un'interfaccia facile da usare e la possibilità di interrompere il flusso video in qualsiasi momento.

Per ulteriori miglioramenti, si può valutare l'aggiunta di altre funzioni, come la registrazione del flusso video, il salvataggio dei fotogrammi annotati o l'integrazione con altre librerie di computer vision.

Condividete i vostri pensieri con la comunità

Impegnatevi con la comunità per saperne di più, risolvere i problemi e condividere i vostri progetti:

Dove trovare aiuto e supporto

• Problemi su GitHub: Visitate il repository GitHub di Ultralytics per porre domande, segnalare bug e suggerire funzionalità.
• Ultralytics Server Discord: Unitevi al server Discord di Ultralytics per connettervi con altri utenti e sviluppatori, ricevere supporto, condividere conoscenze e fare brainstorming di idee.

Documentazione ufficiale

• Ultralytics YOLO11 Documentazione: Consultate la documentazione ufficiale di YOLO11 per trovare guide complete e approfondimenti su varie attività e progetti di computer vision.

FAQ

Come si può configurare un'applicazione di rilevamento di oggetti in tempo reale utilizzando Streamlit e Ultralytics YOLO11 ?

L'impostazione di un'applicazione di rilevamento di oggetti in tempo reale con Streamlit e Ultralytics YOLO11 è semplice. Innanzitutto, assicurarsi di aver installato il pacchetto Ultralytics Python utilizzando:

pip install ultralytics

Quindi, è possibile creare un'applicazione Streamlit di base per eseguire l'inferenza dal vivo:

from ultralytics import solutions

solutions.inference()

### Make sure to run the file using command `streamlit run <file-name.py>`

yolo streamlit-predict

Per maggiori dettagli sulla configurazione pratica, consultare la sezione Codice dell'applicazione Streamlit della documentazione.

Quali sono i principali vantaggi dell'utilizzo di Ultralytics YOLO11 con Streamlit per il rilevamento di oggetti in tempo reale?

L'utilizzo di Ultralytics YOLO11 con Streamlit per il rilevamento degli oggetti in tempo reale offre diversi vantaggi:

• Rilevamento in tempo reale senza soluzione di continuità: Rilevamento in tempo reale di oggetti di elevata precisione direttamente dai feed della webcam.
• Interfaccia facile da usare: L'interfaccia intuitiva di Streamlit consente un utilizzo e un'implementazione semplici, senza bisogno di conoscenze tecniche approfondite.
• Efficienza delle risorse: gli algoritmi ottimizzati di YOLO11 garantiscono un'elaborazione ad alta velocità con risorse computazionali minime.

Scoprite di più su questi vantaggi qui.

Come si distribuisce un'applicazione di rilevamento degli oggetti Streamlit nel browser web?

Dopo aver codificato l'applicazione Streamlit integrando Ultralytics YOLO11 , è possibile distribuirla eseguendo:

streamlit run <file-name.py>

Questo comando avvia l'applicazione nel browser web predefinito, consentendo di selezionare i modelli YOLO11 , impostare le soglie di confidenza e NMS e avviare il rilevamento degli oggetti in tempo reale con un semplice clic. Per una guida dettagliata, consultare la sezione Codice dell'applicazione Streamlit.

Quali sono alcuni casi d'uso per il rilevamento di oggetti in tempo reale utilizzando Streamlit e Ultralytics YOLO11 ?

Il rilevamento di oggetti in tempo reale tramite Streamlit e Ultralytics YOLO11 può essere applicato in vari settori:

• Sicurezza: Monitoraggio in tempo reale degli accessi non autorizzati.
• Vendita al dettaglio: Conteggio dei clienti, gestione degli scaffali e altro ancora.
• Animali selvatici e agricoltura: Monitoraggio degli animali e delle condizioni delle colture.

Per casi d'uso ed esempi più approfonditi, esplorate il sitoUltralytics Solutions.

Come si colloca Ultralytics YOLO11 rispetto ad altri modelli di rilevamento degli oggetti come YOLOv5 e RCNN?

Ultralytics YOLO11 fornisce diversi miglioramenti rispetto a modelli precedenti come YOLOv5 e RCNN:

• Maggiore velocità e precisione: prestazioni migliorate per le applicazioni in tempo reale.
• Facilità d'uso: interfacce e distribuzione semplificate.
• Efficienza delle risorse: Ottimizzato per una maggiore velocità con requisiti di calcolo minimi.

Per un confronto completo, consultare la documentazione diUltralytics YOLO11 e i relativi post sul blog che illustrano le prestazioni del modello.

📅C reato 4 mesi fa ✏️ Aggiornato 10 giorni fa

Commenti