欢迎访问我的网站,希望内容对您有用,感兴趣的可以加入免费知识星球。

Streamlit部署YOLOv8模型

人工智能 迷途小书童 1个月前 (04-13) 403次浏览 0个评论

简介

YOLOv8Ultralytics 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

YOLOv8 streamlit

第一次打开后,系统会自动去下载对应的模型(yolov8n.pt)

YOLOv8 streamlit

下面就可以去上传图片进行检测了,上张经典测试图片

YOLOv8 streamlit

执行检测后,在原图的右侧就会出现待结果的图片了

YOLOv8 streamlit

下方 Detection Results 区域也会显示检测的详细信息

YOLOv8 streamlit

参考资料

喜欢 (0)

您必须 登录 才能发表评论!