스트림릿 애플리케이션을 사용한 실시간 추론 Ultralytics YOLO11

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

실시간 객체 감지를 위해 Ultralytics YOLO11 을 사용하면 몇 가지 장점이 있습니다: 여기에서 이러한 이점에 대해 자세히 알아보세요.

Q: How do I deploy a Streamlit object detection application in my web browser?

Ultralytics YOLO11 통합하는 Streamlit 애플리케이션을 코딩한 후, 실행하여 배포할 수 있습니다: 이 명령은 기본 웹 브라우저에서 애플리케이션을 시작하여 간단한 클릭으로 YOLO11 모델을 선택하고, 신뢰도 및 NMS 임계값을 설정하고, 실시간 개체 감지를 시작할 수 있게 해줍니다. 자세한 가이드는 Streamlit 애플리케이션 코드 섹션을 참조하세요.

Q: What are some use cases for real-time object detection using Streamlit and Ultralytics YOLO11?

Streamlit 및 Ultralytics YOLO11 을 사용한 실시간 객체 감지는 다양한 분야에 적용할 수 있습니다: 자세한 사용 사례와 예시는 Ultralytics 솔루션을 참조하세요.

소개

Streamlit을 사용하면 대화형 웹 애플리케이션을 간단하게 빌드하고 배포할 수 있습니다. 이를 Ultralytics YOLO11 결합하면 브라우저에서 직접 실시간 객체를 감지하고 분석할 수 있습니다. YOLO11 높은 정확도와 속도는 라이브 비디오 스트림에 대한 원활한 성능을 보장하므로 보안, 리테일 등의 애플리케이션에 이상적입니다.

Watch: Streamlit을 실시간으로 사용하는 방법 Ultralytics 컴퓨터 비전 브라우저에서

양식업	동물 사육

다음을 사용하여 물고기 감지 Ultralytics YOLO11	다음을 사용하여 동물 감지 Ultralytics YOLO11

실시간 추론의 장점

원활한 실시간 객체 감지: Streamlit을 YOLO11 결합하면 웹캠 피드에서 직접 실시간 객체 감지가 가능합니다. 이를 통해 즉각적인 분석과 인사이트를 얻을 수 있어 즉각적인 피드백이 필요한 애플리케이션에 이상적입니다.
사용자 친화적인 배포: Streamlit의 대화형 인터페이스를 사용하면 전문 기술 지식이 없어도 애플리케이션을 쉽게 배포하고 사용할 수 있습니다. 사용자는 클릭 한 번으로 실시간 추론을 시작할 수 있어 접근성과 사용성이 향상됩니다.
효율적인 리소스 활용: YOLO11 최적화된 알고리즘은 최소한의 컴퓨팅 리소스로 고속 처리를 보장합니다. 이러한 효율성 덕분에 표준 하드웨어에서도 원활하고 안정적인 웹캠 추론이 가능하여 더 많은 사용자가 고급 컴퓨터 비전을 이용할 수 있습니다.

간소화된 애플리케이션 코드

Ultralytics 설치

애플리케이션 빌드를 시작하기 전에 Ultralytics Python 패키지가 설치되어 있는지 확인하세요. 다음 명령을 사용하여 설치할 수 있습니다. ultralytics

스트림릿을 이용한 추론과 Ultralytics YOLO 사용

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`

그러면 기본 웹 브라우저에서 Streamlit 애플리케이션이 실행됩니다. 메인 제목, 부제목, 구성 옵션이 있는 사이드바가 표시됩니다. 원하는 YOLO11 모델을 선택하고 신뢰도 및 NMS 임계값을 설정한 다음 '시작' 버튼을 클릭하면 실시간 객체 감지를 시작할 수 있습니다.

Python 에서 특정 모델을 선택적으로 제공할 수 있습니다:

사용자 지정 모델을 사용한 간소화된 애플리케이션

Python

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`

작동 방식

스트림릿 애플리케이션은 내부적으로 Ultralytics 솔루션 모듈을 사용하여 대화형 인터페이스를 생성합니다. 추론을 시작하면 애플리케이션이 시작됩니다:

웹캠 또는 업로드된 동영상 파일에서 동영상을 캡처합니다.
YOLO11 모델을 통해 각 프레임을 처리합니다.
지정한 신뢰도 및 IoU 임계값으로 오브젝트 감지 적용
원본 프레임과 주석이 달린 프레임을 실시간으로 표시합니다.
선택적으로 개체 추적을 활성화합니다(선택 사항).

이 애플리케이션은 모델 매개변수를 조정하고 언제든지 추론을 시작/중단할 수 있는 컨트롤을 갖춘 깔끔하고 사용자 친화적인 인터페이스를 제공합니다.

결론

이 안내에 따라 Streamlit과 Ultralytics YOLO11 을 사용하여 실시간 객체 감지 애플리케이션을 성공적으로 만들었습니다. 이 애플리케이션을 사용하면 사용자 친화적인 인터페이스와 언제든지 비디오 스트림을 중지할 수 있는 기능으로 웹캠을 통해 물체를 감지하는 YOLO11 의 강력한 기능을 경험할 수 있습니다.

비디오 스트림 녹화, 주석이 달린 프레임 저장, 다른 컴퓨터 비전 라이브러리와의 통합 등 더 많은 기능을 추가하여 개선할 수 있습니다.

커뮤니티에 참여하여 자세히 알아보고, 문제를 해결하고, 프로젝트를 공유하세요:

도움말 및 지원을 찾을 수 있는 곳

GitHub 이슈: 질문, 버그 신고, 기능 제안을 하려면 Ultralytics GitHub 리포지토리를 방문하세요.
Ultralytics 디스코드 서버: Ultralytics Discord 서버에 가입하여 다른 사용자 및 개발자와 연결하고, 지원을 받고, 지식을 공유하고, 아이디어를 브레인스토밍하세요.

공식 문서

Ultralytics YOLO11 문서: 다양한 컴퓨터 비전 작업 및 프로젝트에 대한 종합적인 가이드와 인사이트를 보려면 공식 문서( YOLO11 )를 참조하세요.

자주 묻는 질문

Streamlit과 Ultralytics YOLO11 을 사용하여 실시간 객체 감지 애플리케이션을 설정하려면 어떻게 해야 하나요?

Streamlit 및 Ultralytics YOLO11 을 사용하여 실시간 객체 감지 애플리케이션을 설정하는 방법은 간단합니다. 먼저 Ultralytics Python 패키지가 설치되어 있는지 확인합니다:

pip install ultralytics

그런 다음 기본 Streamlit 애플리케이션을 만들어 실시간 추론을 실행할 수 있습니다:

간소화된 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 스트림릿 애플리케이션 코드 섹션을 참조하세요.

실시간 객체 감지를 위해 Streamlit와 함께 Ultralytics YOLO11 을 사용하면 어떤 주요 이점이 있나요?

실시간 객체 감지를 위해 Streamlit과 함께 Ultralytics YOLO11 을 사용하면 몇 가지 장점이 있습니다:

원활한 실시간 감지: 웹캠 피드에서 직접 고정밀 실시간 객체 감지 기능을 구현하세요.
사용자 친화적인 인터페이스: Streamlit의 직관적인 인터페이스는 전문적인 기술 지식 없이도 쉽게 사용하고 배포할 수 있습니다.
리소스 효율성: YOLO11 의 최적화된 알고리즘은 최소한의 컴퓨팅 리소스로 고속 처리를 보장합니다.

여기에서 이러한 이점에 대해 자세히 알아보세요.

웹 브라우저에 Streamlit 객체 감지 애플리케이션을 배포하려면 어떻게 해야 하나요?

Ultralytics YOLO11 을 통합하는 Streamlit 애플리케이션을 코딩한 후 실행하여 배포할 수 있습니다:

streamlit run path/to/file.py

이 명령은 기본 웹 브라우저에서 애플리케이션을 실행하여 간단한 클릭으로 YOLO11 모델을 선택하고, 신뢰도 및 NMS 임계값을 설정하고, 실시간 객체 감지를 시작할 수 있게 해줍니다. 자세한 가이드는 Streamlit 애플리케이션 코드 섹션을 참조하세요.

Streamlit과 Ultralytics YOLO11 을 사용한 실시간 오브젝트 감지의 사용 사례에는 어떤 것이 있나요?

Streamlit과 Ultralytics YOLO11 을 이용한 실시간 객체 감지는 다양한 분야에 적용할 수 있습니다:

보안: 무단 액세스 및 보안 경보 시스템에 대한 실시간 모니터링.
소매업: 고객 계산, 진열대 관리, 재고 추적.
야생동물과 농업: 보존 노력을 위한 동물 및 농작물 상태 모니터링.

보다 심층적인 사용 사례와 예시는 Ultralytics 솔루션을 참조하세요.

Ultralytics YOLO11 은 다른 객체 감지 모델(예: YOLOv5 및 RCNN)과 어떻게 비교되나요?

Ultralytics YOLO11 는 이전 모델( YOLOv5 및 RCNN)에 비해 몇 가지 향상된 기능을 제공합니다:

속도 및 정확성 향상: 실시간 애플리케이션의 성능이 향상되었습니다.
사용 편의성: 간소화된 인터페이스와 배포.
리소스 효율성: 최소한의 연산 요구 사항으로 더 빠른 속도를 위해 최적화되었습니다.

종합적인 비교는 Ultralytics YOLO11 모델 성능을 설명하는 설명서 및 관련 블로그 게시물을 참조하세요.

8개월 전 생성됨 ✏️ 5 일 전 업데이트 됨