YOLO Vision 2026：

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

简介#

Streamlit 让构建和部署交互式 Web 应用变得简单。将其与 Ultralytics YOLO26 结合，可以直接在你的浏览器中实现实时目标检测和分析。YOLO26 的高准确率和速度确保了实时视频流的流畅性能，使其成为安全、零售等领域应用的理想选择。



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#

  • 无缝实时目标检测：Streamlit 与 YOLO26 结合，能够直接从你的网络摄像头画面进行实时目标检测。这可以实现即时分析和洞察，非常适合需要即时反馈的应用。
  • 用户友好的部署：Streamlit 的交互式界面使得无需深厚的技术背景也能轻松部署和使用该应用。用户只需轻轻一点即可启动实时推理，极大提升了易用性和可访问性。
  • 高效的资源利用：YOLO26 优化的算法确保了在最低计算资源下的高速处理。这种高效性使得即使在标准硬件上也能进行流畅、可靠的网络摄像头推理，让更多人能够接触到高级计算机视觉。

Streamlit 应用代码#

Ultralytics 安装

在开始构建应用之前，请确保你已安装 Ultralytics Python 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

这些命令会启动随 Ultralytics 一起提供的默认 Streamlit 界面。

这将在你的默认网络浏览器中启动 Streamlit 应用。你将看到主标题、副标题以及带有配置选项的侧边栏。选择你所需的 YOLO26 模型，设置置信度和NMS 阈值，然后点击“开始”按钮以启动实时目标检测。

工作原理#

在底层，Streamlit 应用使用 Ultralytics solutions 模块来创建交互式界面。当你开始推理时，该应用将：

  1. 从你的摄像头或上传的视频文件中捕获视频
  2. 将每一帧图像通过 YOLO26 模型进行处理
  3. 使用你指定的置信度和 IoU 阈值应用目标检测
  4. 实时显示原始帧和标注后的帧
  5. 如果选中，可选择性启用目标跟踪

该应用提供了一个简洁、用户友好的界面，并配有控制选项，可随时调整模型参数以及开始/停止推理。

结论#

通过跟随本指南，你已成功创建了一个使用 Streamlit 和 Ultralytics YOLO26 的实时目标检测应用。该应用让你能够体验 YOLO26 通过摄像头检测物体的强大功能，同时拥有友好的用户界面，并且可以随时停止视频流。

如需进一步增强，你可以探索添加更多功能，例如录制视频流、保存带有标注的帧，或集成其他计算机视觉库。

常见问题解答#

  • 使用 Streamlit 和 Ultralytics YOLO26 搭建实时目标检测应用非常直接。首先，确保你已安装 Ultralytics Python 包：

    pip install ultralytics

    然后，你可以创建一个基础的 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, YOLOv10
)

inf.inference()

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

    有关实际设置的更多详情，请参考文档的Streamlit 应用代码部分。

  • 使用 Ultralytics YOLO26 结合 Streamlit 进行实时目标检测具有以下多项优势：

    • 无缝实时检测：直接从网络摄像头画面实现高准确率的实时目标检测。
    • 用户友好界面：Streamlit 直观的界面使得无需深厚技术背景也能轻松使用和部署。
    • 资源高效：YOLO26 的优化算法确保了在极低计算资源下也能实现高速处理。

    在实时推理的优势部分了解有关这些好处的更多信息。

  • 在编写完集成了 Ultralytics YOLO26 的 Streamlit 应用代码后，你可以通过运行以下命令来部署它：

    streamlit run path/to/file.py

    此命令将在你的默认网络浏览器中启动应用，使你能够选择 YOLO26 模型、设置置信度和 NMS 阈值，并通过简单的一键点击开始实时目标检测。有关详细指南，请参考Streamlit 应用代码部分。

  • 使用 Streamlit 和 Ultralytics YOLO26 的实时目标检测可应用于多个行业：

    有关更深入的使用场景和示例，请探索 Ultralytics 解决方案。

  • 相比于 YOLOv5 和 RCNN 等之前的模型，Ultralytics YOLO26 提供了多项改进：

    • 更高的速度和精度：针对实时应用提升了性能。
    • 易用性：简化了界面和部署过程。
    • 资源高效：经过优化，在最低计算需求下实现更佳速度。

    如需进行全面的对比，请查看 Ultralytics YOLO26 文档以及讨论模型性能的相关博客文章。

贡献者
GLglenn-jocher13RIRizwanMunawar8RAraimbekovm2PDpderrenger1MAMatthewNoyce1JKjk4e1AMambitious-octopus1RUrulosant1

评论