Живой вывод с помощью приложения Streamlit, использующего Ultralytics YOLOv8

Введение

Streamlit упрощает создание и развертывание интерактивных веб-приложений. Сочетание с Ultralytics YOLOv8 позволяет обнаруживать и анализировать объекты в реальном времени прямо в браузере. YOLOv8 высокая точность и скорость обеспечивают бесперебойную работу с живыми видеопотоками, что делает его идеальным для применения в сфере безопасности, розничной торговли и других областях.

Смотри: How to Use Streamlit with Ultralytics for Real-Time Computer Vision in Your Browser

Аквакультура	Животноводство
Обнаружение рыбы с помощью Ultralytics YOLOv8	Обнаружение животных с помощью Ultralytics YOLOv8

Преимущества живого умозаключения

• Бесшовное обнаружение объектов в режиме реального времени: Streamlit в сочетании с YOLOv8 позволяет обнаруживать объекты в реальном времени прямо с твоей веб-камеры. Это позволяет проводить мгновенный анализ и делать выводы, что делает его идеальным для приложений, требующих мгновенной обратной связи.
• Удобное развертывание: Интерактивный интерфейс Streamlit позволяет легко развернуть и использовать приложение без обширных технических знаний. Пользователи могут начать живые умозаключения простым щелчком мыши, что повышает доступность и удобство использования.
• Эффективное использование ресурсов: оптимизированный алгоритм YOLOv8 обеспечивает высокую скорость обработки при минимальных вычислительных ресурсах. Такая эффективность позволяет плавно и надежно делать выводы по веб-камере даже на стандартном оборудовании, делая продвинутое компьютерное зрение доступным для более широкой аудитории.

Код приложения Streamlit

from ultralytics import solutions

solutions.inference()

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

yolo streamlit-predict

Это запустит приложение Streamlit в твоем веб-браузере по умолчанию. Ты увидишь основной заголовок, подзаголовок и боковую панель с опциями настройки. Выбери нужную модель YOLOv8 , установи пороги уверенности и NMS и нажми кнопку "Старт", чтобы начать обнаружение объектов в реальном времени.

При желании ты можешь указать конкретную модель на сайте 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>`

Заключение

Следуя этому руководству, ты успешно создал приложение для обнаружения объектов в реальном времени с помощью Streamlit и Ultralytics YOLOv8 . Это приложение позволяет тебе испытать всю мощь YOLOv8 в обнаружении объектов через веб-камеру, с удобным интерфейсом и возможностью остановить видеопоток в любой момент.

Для дальнейшего совершенствования ты можешь изучить возможность добавления дополнительных функций, таких как запись видеопотока, сохранение аннотированных кадров или интеграция с другими библиотеками компьютерного зрения.

Поделитесь своими мыслями с сообществом

Взаимодействуй с сообществом, чтобы узнать больше, устранить неполадки и поделиться своими проектами:

Где получить помощь и поддержку

• GitHub Issues: Посети репозиторийUltralytics на GitHub, чтобы задать вопросы, сообщить об ошибках и предложить свои возможности.
• Ultralytics Сервер Discord: Присоединяйся к серверуUltralytics Discord, чтобы общаться с другими пользователями и разработчиками, получать поддержку, делиться знаниями и обмениваться идеями.

Официальная документация

• Ultralytics YOLOv8 Документация: Обратись к официальной документации YOLOv8 , чтобы получить исчерпывающие руководства и сведения о различных задачах и проектах, связанных с компьютерным зрением.

ВОПРОСЫ И ОТВЕТЫ

Как настроить приложение для обнаружения объектов в реальном времени с помощью Streamlit и Ultralytics YOLOv8 ?

Настроить приложение для обнаружения объектов в реальном времени с помощью Streamlit и Ultralytics YOLOv8 очень просто. Во-первых, убедись, что у тебя установлен пакет Ultralytics Python , используя:

pip install ultralytics

Затем ты можешь создать базовое приложение Streamlit, чтобы запускать живые умозаключения:

from ultralytics import solutions

solutions.inference()

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

yolo streamlit-predict

Более подробно о практической настройке читай в разделе документации Streamlit Application Code.

Каковы основные преимущества использования Ultralytics YOLOv8 со Streamlit для обнаружения объектов в реальном времени?

Использование Ultralytics YOLOv8 со Streamlit для обнаружения объектов в реальном времени дает несколько преимуществ:

• Бесшовное обнаружение в реальном времени: Добейся высокой точности обнаружения объектов в реальном времени прямо с веб-камеры.
• Удобный интерфейс: Интуитивно понятный интерфейс Streamlit позволяет легко использовать и развертывать систему без обширных технических знаний.
• Эффективность использования ресурсов: оптимизированные алгоритмы YOLOv8 обеспечивают высокую скорость обработки данных при минимальных вычислительных ресурсах.

Узнай больше об этих преимуществах здесь.

Как развернуть приложение для обнаружения объектов Streamlit в веб-браузере?

После кодирования своего приложения Streamlit, интегрирующего Ultralytics YOLOv8 , ты можешь развернуть его, запустив:

streamlit run <file-name.py>

Эта команда запустит приложение в твоем веб-браузере по умолчанию, что позволит тебе выбрать модели YOLOv8 , установить пороги уверенности и NMS, а также запустить обнаружение объектов в реальном времени простым щелчком мыши. За подробным руководством обратись к разделу " Код приложения Streamlit ".

Какие есть варианты использования обнаружения объектов в реальном времени с помощью Streamlit и Ultralytics YOLOv8 ?

Обнаружение объектов в реальном времени с помощью Streamlit и Ultralytics YOLOv8 может применяться в различных отраслях:

• Безопасность: Мониторинг в реальном времени на предмет несанкционированного доступа.
• Розничная торговля: Подсчет покупателей, управление полками и многое другое.
• Дикая природа и сельское хозяйство: Следи за состоянием животных и сельскохозяйственных культур.

Чтобы узнать больше подробных примеров использования, изучи Ultralytics Solutions.

Как Ultralytics YOLOv8 сравнивается с другими моделями обнаружения объектов, такими как YOLOv5 и RCNN?

Ultralytics YOLOv8 обеспечивает несколько улучшений по сравнению с предыдущими моделями, такими как YOLOv5 и RCNN:

• Более высокая скорость и точность: улучшенная производительность для приложений, работающих в режиме реального времени.
• Простота использования: упрощенные интерфейсы и развертывание.
• Эффективность использования ресурсов: Оптимизирован для лучшей скорости при минимальных вычислительных требованиях.

Для всестороннего сравнения посмотри Ultralytics YOLOv8 Documentation и соответствующие записи в блоге, в которых обсуждаются характеристики моделей.

📅 Created 2 months ago ✏️ Updated 1 day ago

Комментарии