Ultralytics YOLO11 Kullanarak Streamlit Uygulaması ile Canlı Çıkarım
Giriş
Streamlit, etkileşimli web uygulamaları oluşturmayı ve dağıtmayı kolaylaştırır. Bunu Ultralytics YOLO11 ile birleştirmek, doğrudan tarayıcınızda gerçek zamanlı nesne tespiti ve analizi sağlar. YOLO11'in yüksek doğruluğu ve hızı, canlı video akışları için kusursuz performans sağlayarak güvenlik, perakende ve ötesindeki uygulamalar için idealdir.
İzle: Gerçek Zamanlı için Ultralytics ile Streamlit Nasıl Kullanılır Bilgisayar Görüntüsü Tarayıcınızda
| Su Ürünleri Yetiştiriciliği | Hayvan yetiştiriciliği |
|---|---|
 |
 |
| Ultralytics YOLO11 Kullanarak Balık Tespiti | Ultralytics YOLO11 kullanılarak Hayvan Tespiti |
Canlı Çıkarımın Avantajları Nelerdir?
- Sorunsuz Gerçek Zamanlı Nesne Algılama: Streamlit, YOLO11 ile birleştiğinde doğrudan web kamerası akışınızdan gerçek zamanlı nesne algılamayı mümkün kılar. Bu, anında analiz ve içgörülere olanak tanıyarak anında geri bildirim gerektiren uygulamalar için idealdir.
- Kullanıcı Dostu Dağıtım: Streamlit'in etkileşimli arayüzü, kapsamlı teknik bilgiye ihtiyaç duymadan uygulamayı dağıtmayı ve kullanmayı kolaylaştırır. Kullanıcılar basit bir tıklama ile canlı çıkarıma başlayabilir, bu da erişilebilirliği ve kullanılabilirliği artırır.
- Verimli Kaynak Kullanımı: YOLO11'in optimize edilmiş algoritmaları, minimum işlem kaynaklarıyla yüksek hızlı işlemeyi garanti eder. Bu verimlilik, standart donanımda bile sorunsuz ve güvenilir web kamerası çıkarımına olanak tanıyarak gelişmiş bilgisayar görüşünü daha geniş bir kitleye erişilebilir kılar.
Streamlit Uygulama Kodu
Ultralytics Kurulumu
Uygulamayı oluşturmaya başlamadan önce, Ultralytics Python Paketinin kurulu olduğundan emin olun. pip install ultralytics komutunu kullanarak kurabilirsiniz.
Ultralytics YOLO ile Streamlit kullanarak çıkarım
yolo solutions inference
yolo solutions inference model="path/to/model.pt"
from ultralytics import solutions
inf = solutions.Inference(
model="yolo11n.pt", # you can use any model that Ultralytics support, i.e. YOLO11, or custom trained model
)
inf.inference()
# Make sure to run the file using command `streamlit run path/to/file.py`
Bu, Streamlit uygulamasını varsayılan web tarayıcınızda başlatacaktır. Ana başlığı, alt başlığı ve yapılandırma seçenekleriyle kenar çubuğunu göreceksiniz. İstediğiniz YOLO11 modelini seçin, güven ve NMS eşiklerini ayarlayın ve gerçek zamanlı nesne algılamayı başlatmak için "Başlat" düğmesine tıklayın.
İsteğe bağlı olarak Python'da belirli bir model sağlayabilirsiniz:
Özel modelli Streamlit Uygulaması
from ultralytics import solutions
inf = solutions.Inference(
model="yolo11n.pt", # you can use any model that Ultralytics support, i.e. YOLO11, YOLOv10
)
inf.inference()
# Make sure to run the file using command `streamlit run path/to/file.py`
Nasıl Çalışır
Arka planda, Streamlit uygulaması etkileşimli bir arayüz oluşturmak için Ultralytics çözümleri modülünü kullanır. Çıkarımı başlattığınızda, uygulama:
- Web kameranızdan veya yüklenen video dosyasından video yakalar
- Her çerçeveyi YOLO11 modeli aracılığıyla işler
- Belirlediğiniz güvenilirlik ve IoU eşikleriyle nesne tespiti uygular
- Hem orijinal hem de açıklama eklenmiş çerçeveleri gerçek zamanlı olarak görüntüler
- Seçilirse isteğe bağlı olarak nesne takibini etkinleştirir
Uygulama, model parametrelerini ayarlamak ve çıkarımı herhangi bir zamanda başlatmak/durdurmak için kontrollere sahip temiz, kullanıcı dostu bir arayüz sağlar.
Sonuç
Bu kılavuzu izleyerek, Streamlit ve Ultralytics YOLO11 kullanarak gerçek zamanlı bir nesne algılama uygulaması başarıyla oluşturdunuz. Bu uygulama, kullanıcı dostu bir arayüz ve video akışını istediğiniz zaman durdurma özelliği ile web kameranız aracılığıyla nesneleri algılamada YOLO11'in gücünü deneyimlemenizi sağlar.
Daha fazla geliştirme için, video akışını kaydetme, açıklama eklenmiş çerçeveleri kaydetme veya diğer bilgisayar görüşü kütüphaneleriyle entegre etme gibi daha fazla özellik eklemeyi deneyebilirsiniz.
Toplulukla Düşüncelerinizi Paylaşın
Daha fazla bilgi edinmek, sorunları gidermek ve projelerinizi paylaşmak için toplulukla etkileşim kurun:
Nereden Yardım ve Destek Bulunur
- GitHub Sorunları: Soru sormak, hataları bildirmek ve özellikler önermek için Ultralytics GitHub deposunu ziyaret edin.
- Ultralytics Discord Sunucusu: Diğer kullanıcılar ve geliştiricilerle bağlantı kurmak, destek almak, bilgi paylaşmak ve fikir alışverişinde bulunmak için Ultralytics Discord sunucusuna katılın.
Resmi Belgelendirme
- Ultralytics YOLO11 Dökümantasyonu: Çeşitli bilgisayar görüşü görevleri ve projeleri hakkında kapsamlı kılavuzlar ve bilgiler için resmi YOLO11 dökümantasyonuna bakın.
SSS
Streamlit ve Ultralytics YOLO11 kullanarak gerçek zamanlı bir nesne algılama uygulamasını nasıl kurabilirim?
Streamlit ve Ultralytics YOLO11 ile gerçek zamanlı bir nesne algılama uygulaması kurmak basittir. İlk olarak, Ultralytics python paketinin kurulu olduğundan emin olun:
pip install ultralytics
Ardından, canlı çıkarım çalıştırmak için temel bir Streamlit uygulaması oluşturabilirsiniz:
Streamlit Uygulaması
from ultralytics import solutions
inf = solutions.Inference(
model="yolo11n.pt", # you can use any model that Ultralytics support, i.e. YOLO11, YOLOv10
)
inf.inference()
# Make sure to run the file using command `streamlit run path/to/file.py`
yolo solutions inference
Pratik kurulum hakkında daha fazla bilgi için, belgelerin Streamlit Uygulama Kodu bölümüne bakın.
Gerçek zamanlı nesne tespiti için Ultralytics YOLO11'i Streamlit ile kullanmanın temel avantajları nelerdir?
Gerçek zamanlı nesne algılama için Streamlit ile Ultralytics YOLO11 kullanmak çeşitli avantajlar sunar:
- Sorunsuz Gerçek Zamanlı Algılama: Doğrudan web kamerası yayınlarından yüksek doğrulukta gerçek zamanlı nesne algılama elde edin.
- Kullanıcı Dostu Arayüz: Streamlit'in sezgisel arayüzü, kapsamlı teknik bilgiye ihtiyaç duymadan kolay kullanım ve dağıtım sağlar.
- Kaynak Verimliliği: YOLO11'in optimize edilmiş algoritmaları, minimum hesaplama kaynaklarıyla yüksek hızlı işlemeyi garanti eder.
Canlı Çıkarım Avantajları bölümünde bu faydalar hakkında daha fazla bilgi edinin.
Web tarayıcımda bir Streamlit nesne algılama uygulamasını nasıl dağıtırım?
Ultralytics YOLO11'i entegre eden Streamlit uygulamanızı kodladıktan sonra, şu komutu çalıştırarak dağıtabilirsiniz:
streamlit run path/to/file.py
Bu komut, uygulamayı varsayılan web tarayıcınızda başlatarak YOLO11 modellerini seçmenize, güven ve NMS eşiklerini ayarlamanıza ve basit bir tıklamayla gerçek zamanlı nesne algılamayı başlatmanıza olanak tanır. Ayrıntılı bir kılavuz için Streamlit Uygulama Kodu bölümüne bakın.
Streamlit ve Ultralytics YOLO11 kullanılarak gerçek zamanlı nesne algılama için bazı kullanım durumları nelerdir?
Streamlit ve Ultralytics YOLO11 kullanılarak gerçek zamanlı nesne algılama çeşitli sektörlerde uygulanabilir:
- Güvenlik: Yetkisiz erişim ve güvenlik alarm sistemleri için gerçek zamanlı izleme.
- Perakende: Müşteri sayımı, raf yönetimi ve envanter takibi.
- Yaban Hayatı ve Tarım: Koruma çalışmaları için hayvanları ve mahsul koşullarını izleme.
Daha kapsamlı kullanım örnekleri ve örnekler için Ultralytics Çözümlerini keşfedin.
Ultralytics YOLO11'in YOLOv5 ve RCNN'ler gibi diğer nesne algılama modelleriyle karşılaştırması nasıldır?
Ultralytics YOLO11, YOLOv5 ve RCNN'ler gibi önceki modellere göre çeşitli geliştirmeler sunar:
- Daha Yüksek Hız ve Doğruluk: Gerçek zamanlı uygulamalar için iyileştirilmiş performans.
- Kullanım Kolaylığı: Basitleştirilmiş arayüzler ve dağıtım.
- Kaynak Verimliliği: Minimum hesaplama gereksinimleriyle daha iyi hız için optimize edilmiştir.
Kapsamlı bir karşılaştırma için, model performansını tartışan Ultralytics YOLO11 Belgelerine ve ilgili blog gönderilerine göz atın.
