Ultralytics YOLO11을 사용하여 Streamlit 애플리케이션으로 실시간 추론

Q: What are the main advantages of using Ultralytics YOLO11 with Streamlit for real-time object detection?

Ultralytics YOLO11을 Streamlit과 함께 사용하여 실시간 객체 감지를 수행하면 여러 가지 이점이 있습니다. 이러한 이점에 대한 자세한 내용은 라이브 추론의 이점 섹션에서 알아보십시오.

소개

Streamlit을 사용하면 대화형 웹 애플리케이션을 간단하게 구축하고 배포할 수 있습니다. 이를 Ultralytics YOLO11과 결합하면 브라우저에서 직접 실시간 객체 탐지 및 분석이 가능합니다. YOLO11의 높은 정확도와 속도는 라이브 비디오 스트림에 대한 원활한 성능을 보장하므로 보안, 소매 등 다양한 애플리케이션에 이상적입니다.

참고: 실시간으로 Ultralytics와 함께 Streamlit을 사용하는 방법 컴퓨터 비전 브라우저에서

양식업	동물 사육

Ultralytics YOLO11을 사용한 물고기 감지	Ultralytics YOLO11을 사용한 동물 감지

실시간 추론의 장점

원활한 실시간 객체 탐지: Streamlit과 YOLO11을 결합하여 웹캠 피드에서 직접 실시간 객체 탐지가 가능합니다. 이를 통해 즉각적인 분석과 통찰력을 얻을 수 있어 즉각적인 피드백이 필요한 애플리케이션에 이상적입니다.
사용자 친화적인 배포: Streamlit의 인터랙티브 인터페이스를 통해 광범위한 기술 지식 없이도 애플리케이션을 쉽게 배포하고 사용할 수 있습니다. 사용자는 간단한 클릭으로 라이브 추론을 시작하여 접근성과 사용성을 향상시킬 수 있습니다.
Efficient Resource Utilization: YOLO11의 최적화된 알고리즘은 최소한의 컴퓨팅 자원으로 고속 처리를 보장합니다. 이러한 효율성 덕분에 표준 하드웨어에서도 부드럽고 안정적인 웹캠 추론이 가능하여 더 많은 사용자가 고급 컴퓨터 비전을 이용할 수 있습니다.

Streamlit 애플리케이션 코드

Ultralytics 설치

애플리케이션 구축을 시작하기 전에 Ultralytics python 패키지가 설치되어 있는지 확인하십시오. pip install ultralytics 명령을 사용하여 설치할 수 있습니다.

Ultralytics YOLO를 사용한 Streamlit을 이용한 추론

CLIPython

yolo solutions inference

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

from ultralytics import solutions

inf = solutions.Inference(
    model="yolo11n.pt",  # you can use any model that Ultralytics support, i.e. YOLO11, or custom trained model
)

inf.inference()

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

이렇게 하면 기본 웹 브라우저에서 Streamlit 애플리케이션이 시작됩니다. 기본 제목, 부제목 및 구성 옵션이 있는 사이드바가 표시됩니다. 원하는 YOLO11 모델을 선택하고 신뢰도 및 NMS 임계값을 설정한 다음 '시작' 버튼을 클릭하여 실시간 객체 감지를 시작합니다.

작동 방식

Streamlit 애플리케이션은 내부적으로 Ultralytics 솔루션 모듈을 사용하여 인터랙티브 인터페이스를 만듭니다. 추론을 시작하면 애플리케이션은 다음을 수행합니다.

웹캠 또는 업로드된 비디오 파일에서 비디오를 캡처합니다.
각 프레임을 YOLO11 모델을 통해 처리합니다.
지정된 신뢰도 및 IoU 임계값으로 객체 감지를 적용합니다.
원본 프레임과 주석이 달린 프레임을 모두 실시간으로 표시합니다.
선택적으로 선택한 경우 객체 추적을 활성화합니다.

이 애플리케이션은 모델 매개변수를 조정하고 언제든지 추론을 시작/중지할 수 있는 컨트롤이 있는 깔끔하고 사용자 친화적인 인터페이스를 제공합니다.

결론

이 가이드를 따라 Streamlit과 Ultralytics YOLO11을 사용하여 실시간 객체 감지 애플리케이션을 성공적으로 만들었습니다. 이 애플리케이션을 통해 사용자 친화적인 인터페이스와 언제든지 비디오 스트림을 중지할 수 있는 기능을 통해 웹캠을 통해 객체를 감지하는 YOLO11의 강력한 기능을 경험할 수 있습니다.

추가 개선을 위해 비디오 스트림 녹화, 주석이 달린 프레임 저장 또는 다른 컴퓨터 비전 라이브러리와의 통합과 같은 더 많은 기능을 추가하는 것을 고려할 수 있습니다.

자세한 내용을 알아보고, 문제를 해결하고, 프로젝트를 공유하려면 커뮤니티와 소통하십시오.

도움말 및 지원을 찾을 수 있는 곳

GitHub Issues: Ultralytics GitHub 저장소를 방문하여 질문을 제기하고 버그를 보고하며 기능을 제안하십시오.
Ultralytics Discord 서버: Ultralytics Discord 서버에 가입하여 다른 사용자 및 개발자와 연결하고, 지원을 받고, 지식을 공유하고, 아이디어를 브레인스토밍하십시오.

공식 문서

Ultralytics YOLO11 문서: 다양한 컴퓨터 비전 작업 및 프로젝트에 대한 포괄적인 가이드와 정보는 공식 YOLO11 문서를 참조하세요.

FAQ

Streamlit과 Ultralytics YOLO11을 사용하여 실시간 객체 감지 애플리케이션을 어떻게 설정할 수 있습니까?

Streamlit 및 Ultralytics YOLO11을(를) 사용하여 실시간 객체 감지 애플리케이션을 설정하는 것은 간단합니다. 먼저 다음을 사용하여 Ultralytics python 패키지가 설치되어 있는지 확인합니다.

pip install ultralytics

다음으로 기본적인 Streamlit 애플리케이션을 만들어 실시간 추론을 실행할 수 있습니다.

Streamlit 애플리케이션

PythonCLI

from ultralytics import solutions

inf = solutions.Inference(
    model="yolo11n.pt",  # you can use any model that Ultralytics support, i.e. YOLO11, YOLOv10
)

inf.inference()

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

yolo solutions inference

실제 설정에 대한 자세한 내용은 문서의 Streamlit 애플리케이션 코드 섹션을 참조하세요.

실시간 객체 탐지를 위해 Streamlit과 함께 Ultralytics YOLO11을 사용할 때의 주요 이점은 무엇입니까?

실시간 객체 탐지를 위해 Streamlit과 함께 Ultralytics YOLO11을 사용하면 다음과 같은 여러 가지 이점이 있습니다:

원활한 실시간 감지: 웹캠 피드에서 직접 높은 정확도의 실시간 객체 감지를 달성합니다.
사용자 친화적인 인터페이스: Streamlit의 직관적인 인터페이스를 통해 광범위한 기술 지식 없이도 쉽게 사용하고 배포할 수 있습니다.
리소스 효율성: YOLO11의 최적화된 알고리즘은 최소한의 컴퓨팅 리소스로 고속 처리를 보장합니다.

실시간 추론의 장점 섹션에서 이러한 이점에 대해 자세히 알아보세요.