الكشف التفاعلي عن الكائنات: Gradio و Ultralytics YOLO26 🚀

مقدمة إلى الكشف التفاعلي عن الكائنات

توفر واجهة Gradio هذه طريقة سهلة وتفاعلية لإجراء الكشف عن الكائنات باستخدام نموذج Ultralytics YOLO26. يمكن للمستخدمين تحميل الصور وضبط المعلمات مثل عتبة الثقة وعتبة تقاطع الاتحاد (IoU) للحصول على نتائج كشف فورية.

لماذا نستخدم Gradio للكشف عن الكائنات؟

• واجهة سهلة الاستخدام: توفر Gradio منصة مباشرة للمستخدمين لتحميل الصور وتصور نتائج الكشف دون الحاجة إلى أي برمجة.
• تعديلات في الوقت الفعلي: يمكن تعديل المعلمات مثل عتبة الثقة وعتبة IoU أثناء التشغيل، مما يسمح بالحصول على ملاحظات فورية وتحسين نتائج الكشف.
• إمكانية وصول واسعة: يمكن لأي شخص الوصول إلى واجهة ويب Gradio، مما يجعلها أداة ممتازة للعروض التوضيحية والأغراض التعليمية والتجارب السريعة.

كيفية تثبيت Gradio

pip install gradio

كيفية استخدام الواجهة

1. تحميل الصورة: انقر على 'تحميل صورة' لاختيار ملف صورة للكشف عن الكائنات.
2. ضبط المعلمات:
   • عتبة الثقة: شريط تمرير لضبط الحد الأدنى لمستوى الثقة للكشف عن الكائنات.
   • عتبة IoU: شريط تمرير لضبط عتبة تقاطع الاتحاد للتمييز بين الكائنات المختلفة.
3. عرض النتائج: سيتم عرض الصورة المعالجة مع الكائنات المكتشفة وتصنيفاتها.

حالات استخدام نموذجية

• صورة نموذجية 1: الكشف عن الحافلات باستخدام الإعدادات الافتراضية للعتبات.
• صورة نموذجية 2: الكشف في صورة رياضية باستخدام الإعدادات الافتراضية للعتبات.

مثال على الاستخدام

يوفر هذا القسم كود Python المستخدم لإنشاء واجهة Gradio مع نموذج Ultralytics YOLO26. يدعم الكود مهام التصنيف، ومهام الكشف، ومهام التجزئة، ومهام النقاط الرئيسية.

import gradio as gr
import PIL.Image as Image

from ultralytics import ASSETS, YOLO

model = YOLO("yolo26n.pt")

def predict_image(img, conf_threshold, iou_threshold):
    """Predicts objects in an image using a YOLO26 model with adjustable confidence and IoU thresholds."""
    results = model.predict(
        source=img,
        conf=conf_threshold,
        iou=iou_threshold,
        show_labels=True,
        show_conf=True,
        imgsz=640,
    )

    for r in results:
        im_array = r.plot()
        im = Image.fromarray(im_array[..., ::-1])

    return im

iface = gr.Interface(
    fn=predict_image,
    inputs=[
        gr.Image(type="pil", label="Upload Image"),
        gr.Slider(minimum=0, maximum=1, value=0.25, label="Confidence threshold"),
        gr.Slider(minimum=0, maximum=1, value=0.45, label="IoU threshold"),
    ],
    outputs=gr.Image(type="pil", label="Result"),
    title="Ultralytics Gradio",
    description="Upload images for inference. The Ultralytics YOLO26n model is used by default.",
    examples=[
        [ASSETS / "bus.jpg", 0.25, 0.45],
        [ASSETS / "zidane.jpg", 0.25, 0.45],
    ],
)

if __name__ == "__main__":
    iface.launch()

شرح المعلمات

مكونات واجهة Gradio

الأسئلة الشائعة

كيف يمكنني استخدام Gradio مع Ultralytics YOLO26 للكشف عن الكائنات؟

لاستخدام Gradio مع Ultralytics YOLO26 للكشف عن الكائنات، يمكنك اتباع الخطوات التالية:

1. تثبيت Gradio: استخدم الأمر pip install gradio.
2. إنشاء واجهة: اكتب برنامج Python لتهيئة واجهة Gradio. يمكنك الرجوع إلى مثال الكود المقدم في التوثيق للحصول على التفاصيل.
3. التحميل والضبط: قم بتحميل صورتك واضبط عتبة الثقة وعتبة IoU على واجهة Gradio للحصول على نتائج كشف عن الكائنات في الوقت الفعلي.

إليك مقتطف كود بسيط كمرجع:

import gradio as gr

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

def predict_image(img, conf_threshold, iou_threshold):
    results = model.predict(
        source=img,
        conf=conf_threshold,
        iou=iou_threshold,
        show_labels=True,
        show_conf=True,
    )
    return results[0].plot() if results else None

iface = gr.Interface(
    fn=predict_image,
    inputs=[
        gr.Image(type="pil", label="Upload Image"),
        gr.Slider(minimum=0, maximum=1, value=0.25, label="Confidence threshold"),
        gr.Slider(minimum=0, maximum=1, value=0.45, label="IoU threshold"),
    ],
    outputs=gr.Image(type="pil", label="Result"),
    title="Ultralytics Gradio YOLO26",
    description="Upload images for YOLO26 object detection.",
)
iface.launch()

ما هي فوائد استخدام Gradio للكشف عن الكائنات باستخدام Ultralytics YOLO26؟

يوفر استخدام Gradio للكشف عن الكائنات باستخدام Ultralytics YOLO26 العديد من الفوائد:

• واجهة سهلة الاستخدام: يوفر Gradio واجهة بديهية للمستخدمين لتحميل الصور وتصور نتائج الكشف دون أي مجهود برمجي.
• تعديلات في الوقت الفعلي: يمكنك تعديل معلمات الكشف ديناميكيًا مثل عتبة الثقة وعتبة IoU ورؤية التأثيرات على الفور.
• سهولة الوصول: يمكن لأي شخص الوصول إلى واجهة الويب، مما يجعلها مفيدة للتجارب السريعة والأغراض التعليمية والعروض التوضيحية.

لمزيد من التفاصيل، يمكنك قراءة منشور المدونة هذا حول الذكاء الاصطناعي في الأشعة الذي يعرض تقنيات تصور تفاعلية مماثلة.

هل يمكنني استخدام Gradio و Ultralytics YOLO26 معًا لأغراض تعليمية؟

نعم، يمكن استخدام Gradio و Ultralytics YOLO26 معًا لأغراض تعليمية بفعالية. تسهل واجهة الويب البديهية لـ Gradio على الطلاب والمعلمين التفاعل مع نماذج التعلم العميق المتطورة مثل Ultralytics YOLO26 دون الحاجة إلى مهارات برمجة متقدمة. هذا الإعداد مثالي لتوضيح المفاهيم الأساسية في الكشف عن الكائنات والرؤية الحاسوبية، حيث يوفر Gradio ملاحظات مرئية فورية تساعد في فهم تأثير المعلمات المختلفة على أداء الكشف.

كيف يمكنني ضبط عتبة الثقة وعتبة IoU في واجهة Gradio لنموذج YOLO26؟

في واجهة Gradio لنموذج YOLO26، يمكنك ضبط عتبة الثقة وعتبة IoU باستخدام أشرطة التمرير المتوفرة. تساعد هذه العتبات في التحكم في دقة التنبؤ وفصل الكائنات:

• عتبة الثقة: تحدد الحد الأدنى لمستوى الثقة للكشف عن الكائنات. قم بالتمرير لزيادة أو تقليل الثقة المطلوبة.
• عتبة IoU: تضبط عتبة تقاطع الاتحاد للتمييز بين الكائنات المتداخلة. اضبط هذه القيمة لتنقية عملية فصل الكائنات.

لمزيد من المعلومات حول هذه المعلمات، قم بزيارة قسم شرح المعلمات.

ما هي بعض التطبيقات العملية لاستخدام Ultralytics YOLO26 مع Gradio؟

تشمل التطبيقات العملية للجمع بين Ultralytics YOLO26 و Gradio ما يلي:

• عروض الكشف عن الكائنات في الوقت الفعلي: مثالية لعرض كيفية عمل الكشف عن الكائنات في الوقت الفعلي.
• أدوات تعليمية: مفيدة في البيئات الأكاديمية لتدريس مفاهيم الكشف عن الكائنات والرؤية الحاسوبية.
• تطوير النماذج الأولية: فعالة لتطوير واختبار تطبيقات الكشف عن الكائنات الأولية بسرعة.
• المجتمع والتعاون: تسهيل مشاركة النماذج مع المجتمع للحصول على الملاحظات والتعاون.

لأمثلة على حالات استخدام مماثلة، تحقق من مدونة Ultralytics حول مراقبة سلوك الحيوان التي توضح كيف يمكن للتصور التفاعلي أن يعزز جهود الحفاظ على الحياة البرية.