简介
YOLOv8 是 Ultralytics 推出的 YOLO 第8个版本。作为一种尖端、最先进的 (SOTA) 模型，YOLOv8 在先前版本的基础上，引入了新功能和改进，增强了性能、提高了灵活性和识别效率。YOLOv8 支持全方位的视觉 AI 任务，包括检测、分割、姿态估计、跟踪和分类。
Streamlit 是一个用于构建数据应用的 Python 库，它可以帮助用户快速创建交互式、可视化的数据应用程序，无需编写大量的代码。使用 Streamlit，用户可以通过简单的 Python 脚本创建 Web 应用程序，用于展示数据分析、机器学习模型、数据可视化等内容。关于 Streamlit 的具体介绍和详细使用方法可以参考之前的博文 Streamlit常用组件。
本篇将实现使用 Streamlit 框架来部署 YOLOv8 模型。
项目实操
来自官方开源地址 https://github.com/monemati/YOLOv8-DeepSORT-Streamlit，下载代码
# 克隆代码
git clone https://github.com/monemati/YOLOv8-DeepSORT-Streamlit
# 进入源码目录
cd cd YOLOv8-DeepSORT-Streamlit
# 创建一个新的python虚拟环境
conda create -n py37 python=3.7
# 激活虚拟环境
conda activate py37
# 安装依赖，默认安装cpu版本torch；需要安装gpu版本，可以先注释，然后单独安装，可以参考 https://xugaoxiang.com/2020/10/22/pytorch-1-env/
pip install -r requirements.txt
# 安装streamlit库
pip install streamlit安装完毕后，就可以启动服务了
streamlit run app.py默认浏览器会打开网页，地址是你本地IP:8501
第一次打开后，系统会自动去下载对应的模型(yolov8n.pt)
下面就可以去上传图片进行检测了，上张经典测试图片
执行检测后，在原图的右侧就会出现待结果的图片了
下方 Detection Results 区域也会显示检测的详细信息
