Ultralytics YOLO26 ile Streamlit Uygulamasında Canlı Çıkarım

Giriş

Streamlit, etkileşimli web uygulamaları oluşturmayı ve dağıtmayı basitleştirir. Bunu Ultralytics YOLO26 ile birleştirmek, doğrudan tarayıcında gerçek zamanlı nesne tespiti ve analizi yapmana olanak tanır. YOLO26'nın yüksek doğruluğu ve hızı, canlı video akışları için sorunsuz bir performans sağlar; bu da onu güvenlik, perakende ve ötesindeki uygulamalar için ideal hale getirir.

Su Ürünleri Yetiştiriciliği	Hayvancılık
Ultralytics YOLO26 ile Balık Tespiti	Ultralytics YOLO26 ile Hayvan Tespiti

Canlı Çıkarımın Avantajları

• Sorunsuz Gerçek Zamanlı Nesne Tespiti: YOLO26 ile birleştirilmiş Streamlit, doğrudan web kamerası görüntünden gerçek zamanlı nesne tespiti yapmanı sağlar. Bu, anlık analiz ve içgörü sağlar ve anlık geri bildirim gerektiren uygulamalar için idealdir.
• Kullanıcı Dostu Dağıtım: Streamlit'in etkileşimli arayüzü, kapsamlı teknik bilgiye sahip olmadan uygulamayı dağıtmayı ve kullanmayı kolaylaştırır. Kullanıcılar basit bir tıklama ile canlı çıkarımı başlatabilir, bu da erişilebilirliği ve kullanılabilirliği artırır.
• Verimli Kaynak Kullanımı: YOLO26'nın optimize edilmiş algoritmaları, minimum hesaplama kaynağı ile yüksek hızlı işlem sağlar. Bu verimlilik, standart donanımlarda bile sorunsuz ve güvenilir web kamerası çıkarımına olanak tanır ve gelişmiş bilgisayarlı görmeyi daha geniş bir kitle için erişilebilir kılar.

Streamlit Uygulama Kodu

pip install ultralytics

yolo solutions inference

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

Bu, Streamlit uygulamasını varsayılan web tarayıcında başlatacaktır. Ana başlığı, alt başlığı ve yapılandırma seçeneklerini içeren kenar çubuğunu göreceksin. İstediğin YOLO26 modelini seç, güven ve NMS eşiklerini ayarla ve gerçek zamanlı nesne tespitini başlatmak için "Start" (Başlat) düğmesine tıkla.

Nasıl Çalışır

Arka planda Streamlit uygulaması, etkileşimli bir arayüz oluşturmak için Ultralytics solutions modülünü kullanır. Çıkarımı başlattığında uygulama:

1. Web kamerandan veya yüklediğin video dosyasından video yakalar
2. Her kareyi YOLO26 modeli üzerinden işler
3. Belirlediğin güven ve IoU eşikleriyle nesne tespiti uygular
4. Hem orijinal hem de açıklamalı kareleri gerçek zamanlı olarak görüntüler
5. Seçilirse isteğe bağlı olarak nesne takibini etkinleştirir

Uygulama, model parametrelerini ayarlamak ve çıkarımı istediğin zaman başlatmak/durdurmak için kontrollere sahip temiz, kullanıcı dostu bir arayüz sağlar.

Sonuç

Bu kılavuzu takip ederek, Streamlit ve Ultralytics YOLO26 kullanarak başarılı bir şekilde gerçek zamanlı bir nesne tespiti uygulaması oluşturdun. Bu uygulama, kullanıcı dostu bir arayüz ve video akışını istediğin zaman durdurabilme özelliği ile web kameran aracılığıyla nesneleri tespit etmede YOLO26'nın gücünü deneyimlemeni sağlar.

Daha fazla geliştirme için video akışını kaydetme, açıklamalı kareleri kaydetme veya diğer bilgisayarlı görme kütüphaneleri ile entegrasyon gibi daha fazla özellik eklemeyi keşfedebilirsin.

Düşüncelerini Toplulukla Paylaş

Daha fazla bilgi edinmek, sorunları gidermek ve projelerini paylaşmak için toplulukla etkileşime geç:

Yardım ve Destek Nereden Bulunur

• GitHub Issues: Soru sormak, hataları bildirmek ve özellik önerisinde bulunmak için Ultralytics GitHub deposunu ziyaret et.
• Ultralytics Discord Sunucusu: Diğer kullanıcılar ve geliştiricilerle bağlantı kurmak, destek almak, bilgi paylaşmak ve fikir alışverişinde bulunmak için Ultralytics Discord sunucusuna katıl.

Resmi Dokümantasyon

• Ultralytics YOLO26 Dokümantasyonu: Çeşitli bilgisayarlı görme görevleri ve projeleri hakkında kapsamlı kılavuzlar ve içgörüler için resmi YOLO26 dokümantasyonuna başvur.

SSS

Streamlit ve Ultralytics YOLO26 kullanarak gerçek zamanlı bir nesne tespiti uygulamasını nasıl kurabilirim?

Streamlit ve Ultralytics YOLO26 ile gerçek zamanlı bir nesne tespiti uygulaması kurmak basittir. Öncelikle, Ultralytics Python paketinin şu komutla yüklü olduğundan emin ol:

pip install ultralytics

Ardından, canlı çıkarımı çalıştırmak için temel bir Streamlit uygulaması oluşturabilirsin:

from ultralytics import solutions

inf = solutions.Inference(
    model="yolo26n.pt",  # you can use any model that Ultralytics supports, e.g., YOLO26, YOLOv10
)

inf.inference()

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

Pratik kurulumla ilgili daha fazla ayrıntı için dokümantasyonun Streamlit Uygulama Kodu bölümüne başvur.

Gerçek zamanlı nesne tespiti için Ultralytics YOLO26'yı Streamlit ile kullanmanın temel avantajları nelerdir?

Gerçek zamanlı nesne tespiti için Ultralytics YOLO26'yı Streamlit ile kullanmanın birkaç avantajı vardır:

• Sorunsuz Gerçek Zamanlı Tespit: Web kamerası akışlarından doğrudan yüksek doğruluklu gerçek zamanlı nesne tespiti elde et.
• Kullanıcı Dostu Arayüz: Streamlit'in sezgisel arayüzü, kapsamlı teknik bilgi gerektirmeden kolay kullanım ve dağıtım sağlar.
• Kaynak Verimliliği: YOLO26'nın optimize edilmiş algoritmaları, minimum hesaplama kaynağı ile yüksek hızlı işlem sağlar.

Bu avantajlar hakkında daha fazla bilgiyi Canlı Çıkarımın Avantajları bölümünde bulabilirsin.

Web tarayıcımda bir Streamlit nesne tespiti uygulamasını nasıl dağıtabilirim?

Ultralytics YOLO26'yı entegre eden Streamlit uygulamanı kodladıktan sonra, onu şu komutu çalıştırarak dağıtabilirsin:

streamlit run path/to/file.py

Bu komut uygulamayı varsayılan web tarayıcında başlatacak ve YOLO26 modellerini seçmene, güven ve NMS eşiklerini ayarlamana ve basit bir tıklama ile gerçek zamanlı nesne tespitini başlatmana olanak tanıyacaktır. Ayrıntılı bir kılavuz için Streamlit Uygulama Kodu bölümüne başvur.

Streamlit ve Ultralytics YOLO26 kullanarak gerçek zamanlı nesne tespiti için bazı kullanım durumları nelerdir?

Streamlit ve Ultralytics YOLO26 kullanan gerçek zamanlı nesne tespiti çeşitli sektörlerde uygulanabilir:

• Güvenlik: İzinsiz giriş ve güvenlik alarm sistemleri için gerçek zamanlı izleme.
• Perakende: Müşteri sayma, raf yönetimi ve envanter takibi.
• Yaban Hayatı ve Tarım: Koruma çalışmaları için hayvanların ve mahsul koşullarının izlenmesi.

Daha derinlemesine kullanım durumları ve örnekler için Ultralytics Solutions kısmını keşfet.

Ultralytics YOLO26, YOLOv5 ve RCNN'ler gibi diğer nesne tespiti modelleriyle nasıl karşılaştırılır?

Ultralytics YOLO26, YOLOv5 ve RCNN'ler gibi önceki modellere göre çeşitli geliştirmeler sunar:

• Daha Yüksek Hız ve Doğruluk: Gerçek zamanlı uygulamalar için iyileştirilmiş performans.
• Kullanım Kolaylığı: Basitleştirilmiş arayüzler ve dağıtım.
• Kaynak Verimliliği: Minimum hesaplama gereksinimleriyle daha iyi hız için optimize edilmiştir.

Kapsamlı bir karşılaştırma için Ultralytics YOLO26 Dokümantasyonuna ve model performansını tartışan ilgili blog yazılarına göz at.