Ultralytics iOS 应用程序：利用YOLO 模型实时检测物体

Ultralytics iOS 应用程序是一款功能强大的工具，可让您直接在 iPhone 或 iPad 上运行YOLO 模型，进行实时物体检测。该应用程序利用 Apple 神经引擎和 Core ML 对模型进行优化和加速，从而实现快速高效的物体检测。

观看： Ultralytics HUB 应用程序入门 (IOS &Android)

量化和加速度

为了在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weights and biases 数值精度的过程，从而减少模型的大小和所需的计算量。这样可以加快推理时间，而不会明显影响模型的精度。

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。这将模型的大小减少了一半，并加快了推理过程，同时在精度和性能之间保持了良好的平衡。

INT8 量化

INT8（或 8 位整数）量化通过将 32 位浮点数转换为 8 位整数，进一步减小了模型的大小和计算要求。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。

苹果神经引擎

Apple 神经引擎 (ANE) 是集成在 Apple A 系列和 M 系列芯片中的专用硬件组件。它旨在加速机器学习任务，尤其是神经网络，从而更快、更高效地执行YOLO 模型。

通过将量化的YOLO 模型与苹果神经引擎相结合，Ultralytics iOS App 可在iOS 设备上实现实时物体检测，而不会降低精度或性能。

请注意，本列表包括 2017 年以后的 iPhone 机型，ANE TOPs 值为近似值。

CoreML 集成

Ultralytics iOS 应用程序利用了 CoreML苹果公司的基础机器学习框架，为iOS 设备优化YOLO 模型。CoreML 有以下几个优势

• 设备处理：所有推理均在设备本地进行，确保数据隐私，无需连接互联网
• 硬件加速自动利用 Apple 神经引擎、CPU 和GPU ，实现最佳性能
• 无缝集成：与iOS 摄像头和系统框架原生兼容

CoreML 可将YOLO 模型转换为针对苹果设备优化的格式，从而在保持检测准确性的同时提高执行效率。

开始使用Ultralytics iOS 应用程序

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 App。

2. 在iOS 设备上启动应用程序，并使用Ultralytics 账户登录。如果您还没有账户，请在Ultralytics HUB 创建一个。

3. 登录后，您将看到训练有素的YOLO 模型列表。选择一个用于物体检测的模型。

4. 授予应用程序访问设备摄像头的权限。

5. 将设备的摄像头对准要检测的对象。应用在检测物体时会实时显示边界框和类标签。

6. 探索应用程序的设置，以调整检测阈值、启用或禁用特定对象类别等。

通过Ultralytics iOS 应用程序，您现在可以在 iPhone 或 iPad 上利用YOLO 模型的强大功能进行实时物体检测，该程序由 Apple 神经引擎提供支持，并采用 FP16 或 INT8 量化技术进行了优化。

📅创建于 1 年前 ✏️2 天前已更新

评论