Suy luận trực tiếp với ứng dụng Streamlit sử dụng Ultralytics YOLO11

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 YOLO11 cho phép phát hiện và phân tích đối tượng theo thời gian thực ngay trên trình duyệt của bạn. YOLO11 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, v.v.

Đồng hồ: Cách sử dụng Streamlit với Ultralytics cho thời gian thực Tầm nhìn máy tính trong Trình duyệt của bạn

Nuôi trồng thủy sản	Chăn nuôi gia súc
Phát hiện cá bằng cách sử dụng Ultralytics YOLO11	Phát hiện động vật bằng cách sử dụng Ultralytics YOLO11

Ưu điểm của Live Inference

• Phát hiện đối tượng thời gian thực liền mạch : Streamlit kết hợp với YOLO11 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 thời.
• Triển khai thân thiện với người dùng : Giao diện tương tác của Streamlit giúp triển khai và sử dụng ứng dụng dễ dàng mà không cần kiến thức kỹ thuật chuyên sâu. Người dùng có thể bắt đầu suy luận trực tiếp chỉ bằng một cú nhấp chuột, tăng cường khả năng truy cập và khả năng sử dụng.
• Sử dụng tài nguyên hiệu quả : YOLO11 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 tầm nhìn máy tính tiên tiến có thể tiếp cận được với nhiều đối tượng hơn.

Mã ứng dụng Streamlit

yolo streamlit-predict

from ultralytics import solutions

solutions.inference()

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

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 có các tùy chọn cấu hình. Chọn tùy chọn mong muốn của bạn YOLO11 mô hình, đặt ngưỡng độ tin cậy và NMS, rồi nhấp vào nút "Bắt đầu" để bắt đầu phát hiện đối tượng theo 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>`

Phần kết luận

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 YOLO11 . Ứng dụng này cho phép bạn trải nghiệm sức mạnh của YOLO11 trong việc phát hiện các vật thể 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 như ghi lại luồng video, lưu khung hình có chú thích hoặc tích hợp với các thư viện thị giác máy tính khác.

Chia sẻ suy nghĩ của bạn với cộng đồng

Tham gia cộng đồng để tìm hiểu thêm, khắc phục sự cố và chia sẻ dự án của bạn:

Nơi tìm kiếm sự trợ giúp và hỗ trợ

• Sự cố trên GitHub: Truy cập kho lưu trữ GitHub Ultralytics để nêu câu hỏi, báo cáo lỗi và đề xuất các tính năng.
• Máy chủ Discord Ultralytics : Tham gia máy chủ Discord Ultralytics để kết nối với những người dùng và nhà phát triển khác, nhận hỗ trợ, chia sẻ kiến thức và đưa ra ý tưởng.

Tài liệu chính thức

• Tài liệu YOLO11 Ultralytics : Tham khảo tài liệu YOLO11 chính thức để biết hướng dẫn toàn diện và thông tin chi tiết về nhiều nhiệm vụ và dự án về thị giác máy tính.

CÂU HỎI THƯỜNG GẶP

Làm thế nào tôi có thể thiết lập ứng dụng phát hiện đối tượng thời gian thực bằng Streamlit và Ultralytics YOLO11 ?

Thiết lập ứng dụng phát hiện đối tượng thời gian thực với Streamlit và Ultralytics YOLO11 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 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 trong tài liệu.

Những lợi thế chính của việc sử dụng là gì? Ultralytics YOLO11 với Streamlit để phát hiện đối tượng theo thời gian thực?

Sử dụng Ultralytics YOLO11 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 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 sử dụng và triển khai dễ dàng mà không cần kiến thức chuyên môn sâu.
• Hiệu quả sử dụng tài nguyên : YOLO11 Các thuật toán được tối ưu hóa đảm bảo xử lý tốc độ cao với tài nguyên tính toán tối thiểu.

Khám phá thêm về những lợi ích này tại đây .

Làm thế 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 YOLO11 , 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 YOLO11 mô hình, thiết lập độ tin cậy và ngưỡng NMS, và bắt đầu phát hiện đối tượng theo thời gian thực chỉ bằng một cú nhấp chuột. 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 theo thời gian thực bằng Streamlit và Ultralytics YOLO11 ?

Phát hiện đối tượng theo thời gian thực bằng Streamlit và Ultralytics YOLO11 có thể được áp dụng trong nhiều lĩnh vực khác nhau:

• Bảo mật : Giám sát thời gian thực để phát hiện truy cập trái phép.
• Bán lẻ : Đếm khách hàng, quản lý kệ hàng và nhiều hơn nữa.
• Động vật hoang dã và Nông nghiệp : Theo dõi tình trạng động vật và cây trồng.

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

Làm thế nào Ultralytics YOLO11 so sánh với các mô hình phát hiện đối tượng khác như YOLOv5 và RCNN?

Ultralytics YOLO11 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 : Hiệu suất được cải thiện cho các ứng dụng thời gian thực.
• Dễ sử dụng : Giao diện và triển khai được đơn giản hóa.
• Hiệu quả sử dụng tài nguyên : Được tối ưu hóa để có tốc độ tốt hơn với yêu cầu tính toán tối thiểu.

Để có sự so sánh toàn diện, hãy xem Tài liệu Ultralytics YOLO11 và các bài đăng trên blog liên quan thảo luận về hiệu suất mô hình.

📅 Được tạo cách đây 5 tháng ✏️ Đã cập nhật cách đây 1 tháng

Bình luận