Ultralytics YOLO27:
Get Started

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を使うと、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。Ultralytics YOLO26と組み合わせることで、ブラウザー上で直接、リアルタイムのオブジェクト検出と分析が可能になります。YOLO26は高い精度と速度を備えているため、ライブ動画ストリームでもスムーズに動作し、セキュリティ、小売などのアプリケーションに適しています。



視聴: Ultralytics YOLO26 と Streamlit でライブ推論アプリを構築する方法 | 検出とセグメンテーション 🚀
養殖畜産
Ultralytics YOLO26による魚の検出Ultralytics YOLO26による動物の検出
Ultralytics YOLO26による魚の検出Ultralytics YOLO26による動物の検出

ライブ推論のメリット#

  • シームレスなリアルタイムオブジェクト検出：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にオブジェクトを検出できます。これにより即座に分析して知見を得られるため、即時の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を使えば、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利用できます。ユーザーは簡単なクリック操作でライブ推論を開始でき、利用しやすさが向上します。
  • 効率的なリソース活用：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に処理できます。この効率性により、標準的なハードウェアでもWebカメラ推論をスムーズかつ安定して実行でき、高度なコンピュータービジョンをより多くの人が利用できるようになります。

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始める前に、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での推論
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、設定オプションのある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の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始まります。

仕組み#

内部では、Streamlitアプリケーションが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行います。

  1. Webカメラ、アップロードした動画ファイル、またはアップロードした画像からフレームを取得します
  2. 各フレームをYOLO26モデルで処理します
  3. 指定された信頼度とIoUのしきい値を使用して物体検出を行います
  4. 元のフレームと注釈付きフレームの両方をリアルタイムで表示します
  5. 選択した場合は、物体追跡を有効にします

アプリケーションは、モデルのパラメーターを調整したり、いつでも推論を開始・停止したりできる、すっきりとした使いやすいインターフェースを提供します。

結論#

このガイドに従って、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カメラ映像内の物体を検出するYOLO26の性能を体験でき、いつでも動画ストリームを停止できます。

さらに機能を拡張するには、動画ストリームの録画、注釈付きフレームの保存、その他のコンピュータービジョンライブラリとの統合などを検討できます。

よくある質問#

  • StreamlitとUltralytics YOLO26を使ったリアルタイム物体検出アプリケーションは、簡単に設定できます。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てください。

    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",  # Ultralyticsがサポートする任意のモデル（YOLO26やカスタム学習済みモデルなど）を使用できます
)

inf.inference()

# `streamlit run path/to/file.py`コマンドを使ってファイルを実行してください

    実践的な設定の詳細については、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にStreamlitとUltralytics YOLO26を使用すると、次のような利点があります。

    • シームレスなリアルタイム検出: Webカメラ映像から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。

    これらの利点については、ライブ推論の利点のセクションで詳しく説明しています。

  • Ultralytics YOLO26を統合したStreamlitアプリケーションを作成したら、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

    このコマンドを実行すると、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ます。簡単なクリック操作でYOLO26モデルを選択し、信頼度とNMSのしきい値を設定して、リアルタイム物体検出を開始できます。詳しい手順については、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による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。

    ユースケースや事例の詳細については、Ultralytics Solutionsをご覧ください。

  • Ultralytics YOLO26には、YOLOv5やRCNNなどの従来モデルと比べて、次のような改善点があります。

    • 高速化と高精度化: リアルタイムアプリケーションでの性能が向上しています。
    • 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のドキュメントや、モデルの性能を解説した関連ブログ記事をご覧ください。

コントリビューター
GLglenn-jocher15RIRizwanMunawar8RAraimbekovm3PDpderrenger1MAMatthewNoyce1JKjk4e1AMambitious-octopus1RUrulosant1

コメント