Suy luận trực tiếp với Ứng dụng Streamlit bằng cách sử dụng Ultralytics YOLOv8

Giới thiệu

Streamlit giúp việc xây dựng và triển khai các ứng dụng web tương tác trở nên đơn giản. Kết hợp điều này với Ultralytics YOLOv8 Cho phép phát hiện và phân tích đối tượng theo thời gian thực trực tiếp trong trình duyệt của bạn. YOLOv8 Độ chính xác và tốc độ cao đảm bảo hiệu suất liền mạch cho các luồng video trực tiếp, lý tưởng cho các ứng dụng trong bảo mật, bán lẻ và hơn thế nữa.

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

Nuôi trồng thủy sản	Chăn nuôi
Phát hiện cá bằng cách sử dụng Ultralytics YOLOv8	Phát hiện động vật bằng cách sử dụng Ultralytics YOLOv8

Ưu điểm của Live Inference

• Phát hiện đối tượng thời gian thực liền mạch: Streamlit kết hợp với YOLOv8 Cho phép phát hiện đối tượng theo thời gian thực trực tiếp từ nguồn cấp dữ liệu webcam của bạn. Điều này cho phép phân tích và hiểu biết ngay lập tức, lý tưởng cho các ứng dụng yêu cầu phản hồi tức thì.
• Triển khai thân thiện với người dùng: Giao diện tương tác của Streamlit giúp dễ dàng triển khai và sử dụng ứng dụng mà không cần kiến thức kỹ thuật sâu rộng. Người dùng có thể bắt đầu suy luận trực tiếp bằng một cú nhấp chuột đơn giản, nâng cao khả năng tiếp cận và khả năng sử dụng.
• Sử dụng tài nguyên hiệu quả: YOLOv8 Thuật toán được tối ưu hóa đảm bảo xử lý tốc độ cao với tài nguyên tính toán tối thiểu. Hiệu quả này cho phép suy luận webcam mượt mà và đáng tin cậy ngay cả trên phần cứng tiêu chuẩn, giúp thị giác máy tính tiên tiến có thể tiếp cận được với nhiều đối tượng hơn.

Mã ứng dụng Streamlit

from ultralytics import solutions

solutions.inference()

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

yolo streamlit-predict

Thao tác này sẽ khởi chạy ứng dụng Streamlit trong trình duyệt web mặc định của bạn. Bạn sẽ thấy tiêu đề chính, phụ đề và thanh bên với các tùy chọn cấu hình. Chọn mong muốn của bạn YOLOv8 mô hình hóa, đặt ngưỡng tin cậy và NMS và nhấp vào nút "Bắt đầu" để bắt đầu phát hiện đối tượng thời gian thực.

Bạn có thể tùy chọn cung cấp một mô hình cụ thể trong 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>`

Kết thúc

Bằng cách làm theo hướng dẫn này, bạn đã tạo thành công ứng dụng phát hiện đối tượng thời gian thực bằng Streamlit và Ultralytics YOLOv8. Ứng dụng này cho phép bạn trải nghiệm sức mạnh của YOLOv8 trong việc phát hiện các đối tượng thông qua webcam của bạn, với giao diện thân thiện với người dùng và khả năng dừng luồng video bất cứ lúc nào.

Để cải tiến hơn nữa, bạn có thể khám phá thêm nhiều tính năng hơn như ghi luồng video, lưu các khung hình được chú thích hoặc tích hợp với các thư viện thị giác máy tính khác.

Chia sẻ suy nghĩ của bạn với cộng đồng

Tương tác với cộng đồng để tìm hiểu thêm, khắc phục sự cố và chia sẻ dự án của bạn:

Tìm trợ giúp và hỗ trợ ở đâu

• Các vấn đề về GitHub: Ghé thăm Ultralytics Kho lưu trữ GitHub để đặt câu hỏi, báo cáo lỗi và đề xuất các tính năng.
• Ultralytics Máy chủ Discord: Tham gia Ultralytics Máy chủ Discord để kết nối với những người dùng và nhà phát triển khác, nhận hỗ trợ, chia sẻ kiến thức và động não ý tưởng.

Tài liệu chính thức

• Ultralytics YOLOv8 Tài liệu: Tham khảo chính thức YOLOv8 Tài liệu cho các hướng dẫn toàn diện và hiểu biết sâu sắc về các nhiệm vụ và dự án thị giác máy tính khác nhau.

FAQ

Làm cách nào để thiết lập ứng dụng phát hiện đối tượng thời gian thực bằng Streamlit và Ultralytics YOLOv8?

Thiết lập ứng dụng phát hiện đối tượng thời gian thực với Streamlit và Ultralytics YOLOv8 là đơn giản. Đầu tiên, hãy đảm bảo bạn có Ultralytics Python Gói được cài đặt bằng cách sử dụng:

pip install ultralytics

Sau đó, bạn có thể tạo một ứng dụng Streamlit cơ bản để chạy suy luận trực tiếp:

from ultralytics import solutions

solutions.inference()

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

yolo streamlit-predict

Để biết thêm chi tiết về thiết lập thực tế, hãy tham khảo phần Mã ứng dụng Streamlit của tài liệu.

Những lợi thế chính của việc sử dụng là gì Ultralytics YOLOv8 với Streamlit để phát hiện đối tượng theo thời gian thực?

Sử dụng Ultralytics YOLOv8 với Streamlit để phát hiện đối tượng theo thời gian thực mang lại một số lợi thế:

• Phát hiện thời gian thực liền mạch: Đạt được độ chính xác cao, phát hiện đối tượng theo thời gian thực trực tiếp từ nguồn cấp dữ liệu webcam.
• Giao diện thân thiện với người dùng: Giao diện trực quan của Streamlit cho phép dễ dàng sử dụng và triển khai mà không cần kiến thức kỹ thuật sâu rộng.
• Hiệu quả tài nguyên: YOLOv8Các thuật toán được tối ưu hóa của đảm bảo xử lý tốc độ cao với tài nguyên tính toán tối thiểu.

Khám phá thêm về những lợi thế này nhấn vào đây.

Làm cách nào để triển khai ứng dụng phát hiện đối tượng Streamlit trong trình duyệt web của tôi?

Sau khi mã hóa ứng dụng Streamlit của bạn tích hợp Ultralytics YOLOv8, bạn có thể triển khai nó bằng cách chạy:

streamlit run <file-name.py>

Lệnh này sẽ khởi chạy ứng dụng trong trình duyệt web mặc định của bạn, cho phép bạn chọn YOLOv8 mô hình, đặt ngưỡng tin cậy và NMS và bắt đầu phát hiện đối tượng theo thời gian thực chỉ bằng một cú nhấp chuột đơn giản. Để biết hướng dẫn chi tiết, hãy tham khảo phần Mã ứng dụng Streamlit .

Một số trường hợp sử dụng để phát hiện đối tượng thời gian thực bằng Streamlit là gì và Ultralytics YOLOv8?

Phát hiện đối tượng thời gian thực bằng Streamlit và Ultralytics YOLOv8 Có thể được áp dụng trong các lĩnh vực khác nhau:

• Bảo mật: Giám sát thời gian thực để truy cập trái phép.
• Bán lẻ: Đếm khách hàng, quản lý kệ, v.v.
• Động vật hoang dã và nông nghiệp: Giám sát động vật và điều kiện cây trồng.

Để biết thêm các trường hợp sử dụng và ví dụ chuyên sâu, hãy khám phá Ultralytics Giải pháp.

Làm thế nào Ultralytics YOLOv8 So sánh với các mô hình phát hiện đối tượng khác như YOLOv5 và RCNN?

Ultralytics YOLOv8 Cung cấp một số cải tiến so với các mô hình trước đó như YOLOv5 và RCNN:

• Tốc độ và độ chính xác cao hơn: Cải thiện hiệu suất cho các ứng dụng thời gian thực.
• Dễ sử dụng: Giao diện và triển khai được đơn giản hóa.
• Hiệu quả tài nguyên: Tối ưu hóa cho tốc độ tốt hơn với yêu cầu tính toán tối thiểu.

Để so sánh toàn diện, hãy kiểm tra Ultralytics YOLOv8 Tài liệu và các bài đăng trên blog liên quan thảo luận về hiệu suất mô hình.

📅 Created 2 months ago ✏️ Updated 1 day ago

Ý kiến