Живые выводы с помощью приложения Streamlit Ultralytics YOLO11

Введение

Streamlit упрощает создание и развертывание интерактивных веб-приложений. Сочетание этого с Ultralytics YOLO11 обеспечивает обнаружение объектов и анализ в реальном времени прямо в вашем браузере. Высокая точность и скорость YOLO11 обеспечивают бесперебойную работу с потоковым видео, что делает его идеальным для приложений 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

• Бесшовная объектная детекция в реальном времени: Streamlit в сочетании с YOLO11 обеспечивает обнаружение объектов в реальном времени непосредственно с веб-камеры. Это позволяет проводить немедленный анализ и получать информацию, что делает его идеальным для приложений, требующих немедленной 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.
• Efficient Resource Utilization: Оптимизированные алгоритмы YOLO11 обеспечивают высокоскоростную обработку с минимальными вычислительными ресурсами. Эта эффективность обеспечивает плавный и надежный вывод с веб-камеры даже на стандартном оборудовании, делая передовое компьютерное зрение доступным для более широкой аудитории.

Код приложения Streamlit

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`

Это запустит приложение Streamlit в вашем веб-браузере по умолчанию. Вы увидите главный заголовок, подзаголовок и боковую панель с параметрами конфигурации. Выберите желаемую модель YOLO11, установите пороги уверенности и NMS и нажмите кнопку "Start", чтобы начать обнаружение объектов в реальном времени.

По желанию вы можете указать конкретную модель на сайте 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`

Как это работает

Под капотом приложение Streamlit использует модуль решений Ultralytics для создания интерактивного интерфейса. Когда вы запускаете логический вывод, приложение:

1. Захватывает видео с вашей веб-камеры или загруженного видеофайла
2. Обрабатывает каждый кадр с помощью модели YOLO11
3. Применяет обнаружение объектов с указанными вами порогами уверенности и IoU
4. Отображает как исходные, так и аннотированные кадры в режиме реального времени
5. При выборе дополнительно включает отслеживание объектов

Приложение предоставляет понятный, удобный интерфейс с элементами управления для настройки параметров модели и запуска/остановки логического вывода в любое время.

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 улучшения вы можете добавить больше 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

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

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 в разделе Преимущества Live Inference.

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 path/to/file.py

Эта команда запустит приложение в вашем веб-браузере по умолчанию, позволяя вам выбирать модели YOLO11, устанавливать пороги уверенности и NMS и запускать 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 несанкционированного доступа в реальном времени и системы охранной сигнализации.
• Розничная торговля: Подсчет клиентов, управление полками и отслеживание запасов.
• Дикая природа и сельское хозяйство: Мониторинг животных и состояния посевов для усилий по сохранению.

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.

📅 Создано 1 год назад ✏️ Обновлено 3 месяца назад

Комментарии