Ultralytics iOS 应用程序：使用 YOLO 模型进行实时对象检测

Ultralytics iOS App 是一款强大的工具，可让您直接在 iPhone 或 iPad 上运行 YOLO 模型，以进行实时对象检测。此应用程序利用 Apple 神经引擎和 Core ML 进行模型优化和加速，从而实现快速高效的对象检测。

观看： Ultralytics HUB App (IOS & Android) 入门指南

量化和加速

为了在您的 iOS 设备上实现实时性能，YOLO 模型被量化为 FP16 或 INT8 精度。量化是一个降低模型权重和偏置的数值精度的过程，从而减小模型的大小并减少所需的计算量。这可以加快推理速度，而不会显着影响模型的准确性。

FP16 量化

FP16（或半精度）量化将模型的 32 位浮点数转换为 16 位浮点数。这可以将模型的大小减少一半，并加快推理过程，同时在准确性和性能之间保持良好的平衡。

INT8 量化

INT8（或 8 位整数）量化通过将其 32 位浮点数转换为 8 位整数，进一步降低了模型的大小和计算需求。这种量化方法可以显著提高速度，但可能会导致精度略有下降。

Apple 神经网络引擎

Apple 神经网络引擎 (ANE) 是一种专用硬件组件，集成到 Apple 的 A 系列和 M 系列芯片中。它旨在加速机器学习任务，特别是神经网络，从而可以更快、更高效地执行 YOLO 模型。

通过将量化的 YOLO 模型与 Apple 神经引擎相结合，Ultralytics iOS App 在您的 iOS 设备上实现了实时的目标检测，而不会影响准确性或性能。

请注意，此列表包括 2017 年及之后的 iPhone 型号，ANE TOPs 值是近似值。

CoreML 集成

Ultralytics iOS App 利用 Apple 的基础机器学习框架 CoreML 来优化 iOS 设备上的 YOLO 模型。CoreML 提供了以下几个优势：

• 设备端处理：所有推理都在您的设备本地进行，确保数据隐私并消除对互联网连接的需求
• 硬件加速：自动利用Apple神经引擎、CPU和GPU来实现最佳性能
• 无缝集成: 与 iOS 相机和系统框架原生协作

CoreML 将 YOLO 模型转换为针对 Apple 设备优化的格式，从而在保持检测精度的同时实现高效执行。

Ultralytics iOS App 入门指南

要开始使用 Ultralytics iOS 应用程序，请按照以下步骤操作：

1. 从 App Store 下载 Ultralytics 应用程序。

2. 在您的 iOS 设备上启动应用程序，并使用您的 Ultralytics 帐户登录。如果您还没有帐户，请在 Ultralytics HUB 上创建一个。

3. 登录后，您将看到已训练的 YOLO 模型列表。选择一个模型用于对象检测。

4. 授予应用访问您设备相机的权限。

5. 将设备的摄像头对准要检测的物体。应用程序将在检测到物体时实时显示边界框和类别标签。

6. 探索应用程序的设置，以调整检测阈值、启用或禁用特定的对象类别等。

有了 Ultralytics iOS 应用程序，您现在可以利用 YOLO 模型在 iPhone 或 iPad 上进行实时对象检测，该应用程序由 Apple 神经引擎驱动，并使用 FP16 或 INT8 量化进行优化。

📅 创建于 1 年前 ✏️ 更新于 5 个月前

评论