Ultralytics YOLO27：
Get Started

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

简介#

Streamlit 让你可以轻松构建和部署交互式 Web 应用。将它与 Ultralytics YOLO26 结合使用，即可直接在浏览器中进行实时对象检测和分析。YOLO26 兼具高准确率和高速度，可确保视频流流畅运行，因此非常适用于安防、零售等领域。



观看： 如何使用 Ultralytics YOLO26 和 Streamlit 构建实时推理应用 | 检测和分割 🚀
水产养殖畜牧业
使用 Ultralytics YOLO26 检测鱼类使用 Ultralytics YOLO26 检测动物
使用 Ultralytics YOLO26 检测鱼类使用 Ultralytics YOLO26 检测动物

实时推理的优势#

  • 无缝实时对象检测：Streamlit 与 YOLO26 相结合，可直接通过网络摄像头画面实时检测对象。这能立即提供分析结果和洞察，非常适合需要即时反馈的应用。
  • 易于使用的部署方式：Streamlit 的交互式界面让你无需丰富的技术知识，也能轻松部署和使用应用。用户只需轻点一下即可开始实时推理，提升应用的易用性和可访问性。
  • 高效利用资源：YOLO26 的优化算法能以最少的计算资源实现高速处理。这种高效性让标准硬件也能流畅可靠地进行网络摄像头推理，使更多人能够使用先进的计算机视觉技术。

Streamlit 应用代码#

Ultralytics 安装

开始构建应用之前，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 随附的默认 Streamlit 界面。

这将在你的默认网络浏览器中启动 Streamlit 应用。你会看到主标题、副标题，以及带有配置选项的侧边栏。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. 从网络摄像头、上传的视频文件或上传的图像中捕获帧
  2. 使用 YOLO26 模型处理每一帧
  3. 根据你指定的置信度和 IoU 阈值执行目标检测
  4. 实时显示原始帧和标注后的帧
  5. 如果选择启用，则开启目标跟踪

该应用提供简洁、易用的界面，其中包含用于调整模型参数以及随时开始或停止推理的控件。

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。该应用让你可以通过网络摄像头体验 YOLO26 的目标检测能力，同时提供易用的界面，并支持随时停止视频流。

如需进一步增强功能，你可以考虑添加更多特性，例如录制视频流、保存标注帧，或集成其他计算机视觉库。

常见问题#

  • 使用 Streamlit 和 Ultralytics YOLO26 搭建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",  # 你可以使用 Ultralytics 支持的任何模型，例如 YOLO26，或自定义训练的模型
)

inf.inference()

# 确保使用命令 `streamlit run path/to/file.py` 运行文件

    如需了解实际搭建的更多详情，请参阅文档中的 Streamlit 应用代码部分。

  • 使用 Ultralytics YOLO26 和 Streamlit 进行实时目标检测有以下几项优势：

    • 无缝实时检测：直接从网络摄像头画面中实现高精度实时目标检测。
    • 易用界面：Streamlit 的直观界面无需丰富的技术知识，即可轻松使用和部署。
    • 资源效率高：YOLO26 的优化算法能够以最少的计算资源实现高速处理。

    在实时推理的优势部分了解这些优势的更多信息。

  • 编写好集成 Ultralytics YOLO26 的 Streamlit 应用后，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网络浏览器中启动应用，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。如需查看详细指南，请参阅 Streamlit 应用代码部分。

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

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

  • 与 YOLOv5 和 RCNN 等早期模型相比，Ultralytics YOLO26 有多项改进：

    • 速度和精度更高：为实时应用带来更出色的性能。
    • 易于使用：界面和部署流程更加简化。
    • 资源效率高：经过优化，在计算需求极低的情况下实现更快速度。

    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-jocher15RIRizwanMunawar8RAraimbekovm3PDpderrenger1MAMatthewNoyce1JKjk4e1AMambitious-octopus1RUrulosant1

评论