Ultralytics YOLO27:

Ultralytics YOLO26を使用したStreamlitアプリケーションによるライブ推論#

はじめに#

Streamlitを使用すると、インタラクティブなWebアプリケーションを簡単に構築してデプロイできます。これをUltralytics YOLO26と組み合わせることで、ブラウザー上で直接、リアルタイムの物体検出と分析を実行できます。YOLO26の高い精度と速度により、ライブビデオストリームでもスムーズなパフォーマンスを実現できるため、セキュリティ、小売など、幅広い用途に適しています。



Watch: How to Build a Live Inference App with Ultralytics YOLO26 & Streamlit | Detection & Segmentation 🚀
水産養殖畜産
Ultralytics YOLO26を使用した魚の検出Ultralytics YOLO26を使用した動物の検出
Ultralytics YOLO26を使用した魚の検出Ultralytics YOLO26を使用した動物の検出

ライブ推論のメリット#

  • シームレスなリアルタイム物体検出: StreamlitとYOLO26を組み合わせることで、Webカメラの映像から直接、リアルタイムで物体を検出できます。これにより、即座に分析とインサイトを得られるため、即時フィードバックが必要なアプリケーションに適しています。
  • 使いやすいデプロイ: Streamlitのインタラクティブなインターフェースにより、高度な技術知識がなくてもアプリケーションを簡単にデプロイして使用できます。ユーザーはクリックするだけでライブ推論を開始でき、アクセシビリティと使いやすさが向上します。
  • 効率的なリソース利用: YOLO26の最適化されたアルゴリズムにより、最小限の計算リソースで高速な処理を実現します。この効率性により、標準的なハードウェアでもスムーズで信頼性の高いWebカメラ推論が可能となり、高度なコンピュータービジョンをより多くのユーザーが利用できます。

Streamlitアプリケーションのコード#

Ultralyticsのインストール

アプリケーションの構築を開始する前に、Ultralytics Pythonパッケージがインストールされていることを確認してください。

pip install ultralytics
Ultralytics YOLOを使用したStreamlitによる推論
yolo solutions inference

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

yolo solutions help # list the available solution commands and arguments

これらのコマンドを実行すると、Ultralyticsに付属するデフォルトのStreamlitインターフェースが起動します。

これにより、デフォルトのWebブラウザーでStreamlitアプリケーションが起動します。メインタイトル、サブタイトル、設定オプションを含むサイドバーが表示されます。使用するYOLO26モデルを選択し、信頼度とNMSしきい値を設定して、「Start」ボタンをクリックすると、リアルタイム物体検出が開始されます。

仕組み#

Streamlitアプリケーションは内部で、Ultralytics solutionsモジュールを使用してインタラクティブなインターフェースを作成します。推論を開始すると、アプリケーションは次の処理を実行します。

  1. Webカメラまたはアップロードしたビデオファイルから映像をキャプチャします
  2. 各フレームをYOLO26モデルで処理します
  3. 指定した信頼度とIoUしきい値で物体検出を実行します
  4. 元のフレームとアノテーション付きフレームの両方をリアルタイムで表示します
  5. 選択されている場合は、オプションで物体追跡を有効にします

このアプリケーションは、モデルパラメーターの調整や、いつでも推論を開始・停止できるコントロールを備えた、シンプルで使いやすいインターフェースを提供します。

まとめ#

このガイドに従うことで、StreamlitとUltralytics YOLO26を使用したリアルタイム物体検出アプリケーションを作成できました。このアプリケーションでは、使いやすいインターフェースを通じてWebカメラから物体を検出するYOLO26の性能を体験でき、いつでもビデオストリームを停止できます。

さらなる機能強化として、ビデオストリームの録画、アノテーション付きフレームの保存、他のコンピュータービジョンライブラリとの統合などの機能追加を検討できます。

FAQ#

  • StreamlitとUltralytics YOLO26を使用したリアルタイム物体検出アプリケーションの設定は簡単です。まず、次のコマンドを使用してUltralytics Pythonパッケージがインストールされていることを確認します。

    pip install ultralytics

    次に、ライブ推論を実行する基本的なStreamlitアプリケーションを作成できます。

    Streamlitアプリケーション
    from ultralytics import solutions

inf = solutions.Inference(
    model="yolo26n.pt",  # you can use any model that Ultralytics supports, e.g., YOLO26, or a custom-trained model
)

inf.inference()

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

    実際の設定方法の詳細については、ドキュメントのStreamlitアプリケーションのコードのセクションを参照してください。

  • リアルタイム物体検出でUltralytics YOLO26をStreamlitと併用すると、いくつかのメリットがあります。

    • シームレスなリアルタイム検出: Webカメラの映像から直接、高い精度でリアルタイム物体検出を実現できます。
    • 使いやすいインターフェース: Streamlitの直感的なインターフェースにより、高度な技術知識がなくても簡単に使用およびデプロイできます。
    • リソース効率: YOLO26の最適化されたアルゴリズムにより、最小限の計算リソースで高速な処理を実現します。

    これらのメリットの詳細については、ライブ推論のメリットのセクションをご覧ください。

  • Ultralytics YOLO26を統合したStreamlitアプリケーションのコードを作成した後、次のコマンドを実行してデプロイできます。

    streamlit run path/to/file.py

    このコマンドにより、デフォルトのWebブラウザーでアプリケーションが起動し、YOLO26モデルの選択、信頼度とNMSしきい値の設定、クリックによるリアルタイム物体検出の開始が可能になります。詳しいガイドについては、Streamlitアプリケーションのコードのセクションを参照してください。

  • StreamlitとUltralytics YOLO26を使用したリアルタイム物体検出は、さまざまな分野で活用できます。

    より詳しいユースケースと例については、Ultralytics Solutionsをご覧ください。

  • Ultralytics YOLO26には、YOLOv5やRCNNsなどの従来モデルと比べて、いくつかの機能向上があります。

    • 速度と精度の向上: リアルタイムアプリケーション向けにパフォーマンスが改善されています。
    • 使いやすさ: インターフェースとデプロイが簡素化されています。
    • リソース効率: 最小限の計算要件で、より高速に動作するよう最適化されています。

    包括的な比較については、Ultralytics YOLO26のドキュメントと、モデルのパフォーマンスを扱った関連ブログ記事をご覧ください。

貢献者
GLglenn-jocher14RIRizwanMunawar8RAraimbekovm3PDpderrenger1MAMatthewNoyce1JKjk4e1AMambitious-octopus1RUrulosant1

コメント