seo关键词排名优化技巧seo的推广技巧

概述

Ultralytics提供了一系列的解决方案，利用YOLO11解决现实世界的问题，包括物体计数、模糊处理、热力图、安防系统、速度估计、物体追踪等多个方面的应用。

Streamlit 使构建和部署交互式网络应用程序变得简单，将其与Ultralytics YOLO11 结合使用，可以直接在浏览器中进行实时对象检测和分析。YOLO11 的高精度和高速度确保了实时视频流的流畅性能，能够帮助用户快速分析视频流。

Ultralytics提供了CLI和Python例子，展示如何使用实时推理解决方案。

CLI：

yolo solutions inferenceyolo solutions inference model="path/to/model.pt"

Python：

from ultralytics import solutionsinf = 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`

运行演示

创建应用程序

我们可以创建python程序，名称为：test_inference.py，然后在命令行中运行：

streamlit run test_inference.py

如果系统中没有安装streamlit，则程序将自动安装。

运行后，streamlit将创建web server，运行在8501端口。程序将自动在浏览器中打开页面：http://localhost:8501

视频源可以是webcam或者视频文件。

打开video文件演示

在左侧菜单video选择"video"，则下面会显示出“Browser files”选项，可以点击打开视频文件。

点击下方的“Start“将开始运行。点击运行界面下方的”Stop"将停止运行。

可以修改使用的模型，例如修改成yolo11n-seg：

若要修改检测类别，在Classes中选择即可：

使用自己的模型

当然，也可以使用自己训练的模型进行测试，需要修改代码，然后运行程序：

from ultralytics import solutionsinf = solutions.Inference(model="best.pt", 
)inf.inference()

注意事项：如果是用户自行训练的模型，则需要明确指定文件所在的路径，否则将报错。如果是Ultralytics预训练的模型，如果没有在运行目录，程序将自动下载，如果下载失败，将报错。