Живые выводы с помощью приложения Streamlit Ultralytics YOLO11

Введение

Streamlit упрощает создание и развертывание интерактивных веб-приложений. Сочетание с Ultralytics YOLO11 позволяет обнаруживать и анализировать объекты в режиме реального времени прямо в браузере. YOLO11 высокая точность и скорость обеспечивают бесперебойную работу с потоковым видео, что делает его идеальным для применения в сфере безопасности, розничной торговли и других областях.

Смотреть: Как использовать Streamlit с Ultralytics для работы в режиме реального времени Компьютерное зрение в вашем браузере

Аквакультура	Животноводство
Обнаружение рыбы с помощью Ultralytics YOLO11	Обнаружение животных с помощью Ultralytics YOLO11

Преимущества живого умозаключения

• Бесшовное обнаружение объектов в режиме реального времени: Streamlit в сочетании с YOLO11 позволяет обнаруживать объекты в режиме реального времени непосредственно с 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 особых технических знаний. Пользователи могут начать делать выводы в реальном времени одним щелчком мыши, что повышает доступность и удобство использования.
• Эффективное использование ресурсов: оптимизированный алгоритм YOLO11 обеспечивает высокую скорость обработки при минимальных вычислительных ресурсах. Такая эффективность обеспечивает плавную и надежную работу с веб-камерами даже на стандартном оборудовании, делая передовое компьютерное зрение доступным для широкой аудитории.

Код приложения Streamlit

yolo streamlit-predict

from ultralytics import solutions

solutions.inference()

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

Это приведет к запуску приложения Streamlit в веб-браузере по умолчанию. Вы увидите основной заголовок, подзаголовок и боковую панель с параметрами настройки. Выберите нужную модель YOLO11 , установите пороги уверенности и NMS и нажмите кнопку "Старт", чтобы начать обнаружение объектов в реальном времени.

По желанию вы можете 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, вы успешно создали приложение для обнаружения объектов в реальном времени с помощью Streamlit и Ultralytics YOLO11 . Это приложение позволит вам испытать возможности YOLO11 в обнаружении объектов через веб-камеру, с удобным интерфейсом и возможностью остановить видеопоток в любой момент.

Для дальнейшего усовершенствования вы можете рассмотреть возможность добавления дополнительных функций, таких как запись видеопотока, сохранение аннотированных кадров или интеграция с другими библиотеками компьютерного зрения.

Поделитесь своими мыслями с сообществом

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

Где найти помощь и поддержку

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

Официальная документация

• Ultralytics YOLO11 Документация: Обратитесь к официальной документации YOLO11 для получения исчерпывающих руководств и информации по различным задачам и проектам, связанным с компьютерным зрением.

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Как создать приложение для обнаружения объектов в реальном времени с помощью Streamlit и Ultralytics YOLO11 ?

Настройка приложения для обнаружения объектов в реальном времени с помощью Streamlit и Ultralytics YOLO11 очень проста. Во-первых, убедитесь, что у вас установлен пакет Ultralytics Python с помощью:

pip install ultralytics

Затем вы можете создать базовое приложение Streamlit для проведения живых выводов:

from ultralytics import solutions

solutions.inference()

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

yolo streamlit-predict

Более подробная информация о практической настройке приведена в разделе документации Streamlit Application Code.

Каковы основные преимущества использования Ultralytics YOLO11 с Streamlit для обнаружения объектов в режиме реального времени?

Использование Ultralytics YOLO11 с Streamlit для обнаружения объектов в режиме реального времени дает несколько преимуществ:

• Бесшовное обнаружение в режиме реального времени: Обеспечьте высокоточное обнаружение объектов в реальном времени непосредственно с веб-камеры.
• Удобный интерфейс: Интуитивно понятный интерфейс Streamlit позволяет легко использовать и развертывать систему без обширных технических знаний.
• Эффективность использования ресурсов: оптимизированные алгоритмы YOLO11 обеспечивают высокую скорость обработки данных при минимальных вычислительных ресурсах.

Узнайте больше об этих преимуществах здесь.

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

После кодирования приложения Streamlit, интегрирующего Ultralytics YOLO11 , вы можете развернуть его, выполнив команду:

streamlit run <file-name.py>

Эта команда запускает приложение в веб-браузере по умолчанию, позволяя выбрать модели YOLO11 , установить пороги достоверности и NMS, а также запустить обнаружение объектов в реальном времени простым щелчком мыши. Подробное руководство см. в разделе Код приложения Streamlit.

Каковы примеры использования обнаружения объектов в реальном времени с помощью Streamlit и Ultralytics YOLO11 ?

Обнаружение объектов в реальном времени с помощью Streamlit и Ultralytics YOLO11 может применяться в различных отраслях:

• Безопасность: Мониторинг в режиме реального времени на предмет несанкционированного доступа.
• Розничная торговля: Подсчет покупателей, управление полками и многое другое.
• Дикая природа и сельское хозяйство: Мониторинг животных и состояния посевов.

Более подробные примеры и примеры использования можно найти на сайте Ultralytics Solutions.

Чем Ultralytics YOLO11 отличается от других моделей обнаружения объектов, таких как YOLOv5 и RCNN?

Ultralytics YOLO11 обеспечивает ряд усовершенствований по сравнению с предыдущими моделями, такими как YOLOv5 и RCNN:

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

Для всестороннего сравнения ознакомьтесь с документациейUltralytics YOLO11 и соответствующими записями в блоге, в которых обсуждаются характеристики модели.

📅 Created 5 months ago ✏️ Updated 29 days ago

Комментарии