Meet YOLO26: next-gen vision AI.

Link to this section使用 Ultralytics YOLO26 的 Streamlit 应用进行实时推理#

Link to this section简介#

Streamlit 让构建和部署交互式 Web 应用变得简单。将其与 Ultralytics YOLO26 结合使用，即可直接在浏览器中进行实时目标检测和分析。YOLO26 的高精度和高速度确保了实时视频流的流畅表现，使其成为安防、零售等领域应用的不二之选。



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

Link to this section实时推理的优势#

  • 无缝实时目标检测：Streamlit 与 YOLO26 结合，能直接从你的摄像头画面中实现实时目标检测。这不仅能进行即时分析并获取洞察，还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 的优化算法确保了在极低计算资源下也能实现高速处理。这种高效率使得在标准硬件上也能流畅且可靠地运行摄像头推理，让更广泛的受众能够使用先进的计算机视觉技术。

Link to this sectionStreamlit 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"

这些命令可以启动随 Ultralytics 一起提供的默认 Streamlit 界面。使用 yolo solutions help 查看可用的解决方案命令和参数。

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”按钮即可开始实时目标检测。

Link to this section工作原理#

在底层，Streamlit 应用使用 Ultralytics solutions 模块 来创建交互式界面。当你启动推理时，该应用会：

  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。

Link to this section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。

若需进一步增强功能，你可以探索添加更多特性，例如录制视频流、保存标注后的帧，或与其他计算机视觉库集成。

Link to this section与社区分享你的想法#

加入社区以学习更多知识、排查问题并分享你的项目：

Link to this section获取帮助与支持的途径#

Link to this section官方文档#

  • Ultralytics YOLO26 文档：参考 官方 YOLO26 文档，获取关于各种计算机视觉任务和项目的全面指南与深度解析。

Link to this section常见问题解答#

Link to this section如何使用 Streamlit 和 Ultralytics YOLO26 搭建实时目标检测应用？#

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`

关于实际设置的更多详情，请参考文档中的 Streamlit 应用代码章节。

Link to this section使用 Ultralytics YOLO26 结合 Streamlit 进行实时目标检测的主要优势是什么？#

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：直接从摄像头画面实现高精度、实时的目标检测。
  • 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 实时推理的优势章节 中了解更多关于这些优势的信息。

Link to this section如何在 Web 浏览器中部署 Streamlit 目标检测应用？#

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 Web 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，并只需点击一下即可开始实时目标检测。详细指南请参阅 Streamlit 应用代码 章节。

Link to this section使用 Streamlit 和 Ultralytics YOLO26 进行实时目标检测有哪些应用场景？#

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

欲了解更深入的用例和示例，请探索 Ultralytics Solutions。

Link to this sectionUltralytics YOLO26 与 YOLOv5 和 RCNN 等其他目标检测模型相比如何？#

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。

如需全面的比较，请查看 Ultralytics YOLO26 文档 以及探讨模型性能的相关博文。

贡献者
GLglenn-jocher12RIRizwanMunawar8PDpderrenger1MAMatthewNoyce1JKjk4e1AMambitious-octopus1RUrulosant1

评论