Ultralytics YOLO27：

使用 Ultralytics YOLO26 的 Streamlit 应用进行实时推理#

简介#

Streamlit 可让你轻松构建和部署交互式 Web 应用。将其与 Ultralytics YOLO26 结合后，你可以直接在浏览器中进行实时目标检测和分析。YOLO26 的高精度和高速度可确保实时视频流运行流畅，使其非常适合安防、零售等领域的应用。



Watch: How to Build a Live Inference App with Ultralytics YOLO26 & Streamlit | Detection & Segmentation 🚀
水产养殖畜牧业
使用 Ultralytics YOLO26 进行鱼类检测使用 Ultralytics YOLO26 进行动物检测
使用 Ultralytics YOLO26 进行鱼类检测使用 Ultralytics YOLO26 进行动物检测

实时推理的优势#

  • 流畅的实时目标检测：Streamlit 与 YOLO26 结合后，可以直接从你的摄像头画面中进行实时目标检测。这样便于立即完成分析并获得洞察，非常适合需要即时反馈的应用。
  • 用户友好的部署：Streamlit 的交互式界面让你无需丰富的技术知识即可轻松部署和使用应用。用户只需简单点击即可开始实时推理，从而提升可访问性和易用性。
  • 高效的资源利用：YOLO26 的优化算法可在占用极少计算资源的情况下实现高速处理。这种高效性使得即使在标准硬件上，也能流畅、可靠地进行摄像头推理，让更多用户能够使用先进的计算机视觉技术。

Streamlit 应用代码#

Ultralytics 安装

开始构建应用前，请确保已安装 Ultralytics Python 软件包。

pip install ultralytics
使用 Streamlit 和 Ultralytics YOLO 进行推理
yolo solutions inference

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

yolo solutions help # list the available solution commands and arguments

这些命令会启动 Ultralytics 自带的默认 Streamlit 界面。

这将在你的默认 Web 浏览器中启动 Streamlit 应用。你将看到主标题、副标题以及包含配置选项的侧边栏。选择所需的 YOLO26 模型，设置置信度和NMS 阈值，然后点击“Start”按钮开始实时目标检测。

工作原理#

在底层，Streamlit 应用使用Ultralytics solutions 模块创建交互式界面。开始推理后，应用会：

  1. 从你的摄像头或上传的视频文件中捕获视频
  2. 通过 YOLO26 模型处理每一帧
  3. 使用你指定的置信度和 IoU 阈值执行目标检测
  4. 实时显示原始帧和标注帧
  5. 如果选择了目标跟踪，则启用该功能

该应用提供简洁、用户友好的界面，你可以通过控件调整模型参数，并随时开始或停止推理。

结论#

按照本指南操作后，你已成功使用 Streamlit 和 Ultralytics YOLO26 创建实时目标检测应用。通过该应用，你可以使用摄像头体验 YOLO26 的目标检测能力，并享受用户友好的界面，还可以随时停止视频流。

如需进一步增强功能，你可以尝试添加视频流录制、保存标注帧，或与其他计算机视觉库集成等功能。

常见问题#

  • 使用 Streamlit 和 Ultralytics YOLO26 设置实时目标检测应用非常简单。首先，使用以下命令确保已安装 Ultralytics Python 软件包：

    pip install ultralytics

    然后，你可以创建一个基本的 Streamlit 应用来运行实时推理：

    Streamlit 应用
    from ultralytics import solutions

inf = solutions.Inference(
    model="yolo26n.pt",  # you can use any model that Ultralytics supports, e.g., YOLO26, or a custom-trained model
)

inf.inference()

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

    如需了解实际设置的更多详情，请参阅文档中的Streamlit 应用代码部分。

  • 使用 Ultralytics YOLO26 和 Streamlit 进行实时目标检测具有以下几个优势：

    • 流畅的实时检测：直接从摄像头画面中实现高精度的实时目标检测。
    • 用户友好的界面：Streamlit 的直观界面让你无需丰富的技术知识即可轻松使用和部署。
    • 资源高效：YOLO26 的优化算法可在占用极少计算资源的情况下实现高速处理。

    在实时推理的优势部分中了解更多相关优势。

  • 完成集成 Ultralytics YOLO26 的 Streamlit 应用编码后，你可以运行以下命令进行部署：

    streamlit run path/to/file.py

    此命令会在你的默认 Web 浏览器中启动应用，让你选择 YOLO26 模型、设置置信度和 NMS 阈值，并通过简单点击开始实时目标检测。如需详细指南，请参阅Streamlit 应用代码部分。

  • 使用 Streamlit 和 Ultralytics YOLO26 进行实时目标检测可以应用于多个领域：

    如需了解更深入的应用场景和示例，请探索 Ultralytics Solutions。

  • 与 YOLOv5 和 RCNNs 等早期模型相比，Ultralytics YOLO26 提供了多项改进：

    • 更高的速度和精度：为实时应用带来更出色的性能。
    • 易于使用：简化了界面和部署流程。
    • 资源高效：经过优化，可在最低计算需求下实现更高速度。

    如需全面比较，请查看 Ultralytics YOLO26 文档以及讨论模型性能的相关文章。

贡献者
GLglenn-jocher14RIRizwanMunawar8RAraimbekovm3PDpderrenger1MAMatthewNoyce1JKjk4e1AMambitious-octopus1RUrulosant1

评论