detect الكائنات التفاعلي: Gradio و Ultralytics YOLO26 🚀

مقدمة إلى الكشف التفاعلي عن الكائنات

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

شاهد: تكامل Gradio مع Ultralytics YOLO26

لماذا نستخدم Gradio للكشف عن الكائنات؟

• واجهة سهلة الاستخدام: تقدم Gradio نظامًا أساسيًا مباشرًا للمستخدمين لتحميل الصور وتصور نتائج الكشف دون أي متطلبات ترميز.
• تعديلات في الوقت الفعلي: يمكن تعديل معلمات مثل عتبات الثقة و IoU أثناء التنقل، مما يسمح بتعليقات فورية وتحسين نتائج الـ detect.
• إمكانية وصول واسعة: يمكن لأي شخص الوصول إلى واجهة الويب Gradio، مما يجعلها أداة ممتازة للعروض التوضيحية والأغراض التعليمية والتجارب السريعة.

كيفية تثبيت Gradio

pip install gradio

كيفية استخدام الواجهة

1. تحميل صورة: انقر فوق 'تحميل صورة' لاختيار ملف صورة للكشف عن الأجسام.
2. ضبط المعلمات:
   • عتبة الثقة: شريط تمرير لتعيين الحد الأدنى لمستوى الثقة لاكتشاف الكائنات.
   • عتبة IoU: شريط تمرير لتعيين عتبة IoU للتمييز بين الكائنات المختلفة.
3. عرض النتائج: سيتم عرض الصورة التي تمت معالجتها مع الكائنات المكتشفة وتسمياتها.

أمثلة على حالات الاستخدام

• صورة نموذجية 1: الكشف عن الحافلات باستخدام العتبات الافتراضية.
• صورة نموذجية 2: الكشف عن صورة رياضية باستخدام العتبات الافتراضية.

مثال على الاستخدام

يوفر هذا القسم كود الـ python المستخدم لإنشاء واجهة Gradio مع نموذج Ultralytics YOLO26. يدعم الكود مهام التصنيف، ومهام الـ detect، ومهام الـ segment، 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 أستخدم Gradio مع Ultralytics YOLO26 لـ detect الكائنات؟

لاستخدام Gradio مع Ultralytics YOLO26 لـ detect الكائنات، يمكنك اتباع هذه الخطوات:

1. تثبيت Gradio: استخدم الأمر pip install gradio.
2. إنشاء واجهة: اكتب برنامج python لتهيئة واجهة Gradio. يمكنك الرجوع إلى مثال التعليمات البرمجية المتوفر في الوثائق للحصول على التفاصيل.
3. التحميل والتعديل: قم بتحميل صورتك وضبط قيم الثقة و IoU على واجهة Gradio للحصول على نتائج الكشف عن الأجسام في الوقت الفعلي.

إليك مقتطف بسيط من التعليمات البرمجية 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 لـ detect الكائنات باستخدام Ultralytics YOLO26؟

يوفر استخدام Gradio لـ detect الكائنات باستخدام Ultralytics YOLO26 العديد من الفوائد:

• واجهة سهلة الاستخدام: توفر Gradio واجهة سهلة الاستخدام للمستخدمين لتحميل الصور وتصور نتائج الكشف دون أي جهد في الترميز.
• تعديلات في الوقت الفعلي: يمكنك ضبط معلمات الـ detect ديناميكيًا مثل عتبات الثقة و IoU ورؤية التأثيرات على الفور.
• إمكانية الوصول: واجهة الويب متاحة لأي شخص، مما يجعلها مفيدة للتجارب السريعة والأغراض التعليمية والعروض التوضيحية.

لمزيد من التفاصيل، يمكنك قراءة منشور المدونة هذا حول الذكاء الاصطناعي في علم الأشعة الذي يعرض تقنيات التصور التفاعلية المماثلة.

هل يمكنني استخدام Gradio و Ultralytics YOLO26 معًا لأغراض تعليمية؟

نعم، يمكن استخدام Gradio و Ultralytics YOLO26 معًا لأغراض تعليمية بفعالية. تجعل واجهة الويب البديهية لـ Gradio من السهل 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 detect الكائنات ورؤية الكمبيوتر، حيث يوفر Gradio ملاحظات بصرية فورية تساعد في فهم تأثير المعلمات المختلفة على أداء الـ detect.

كيف أقوم بضبط عتبات الثقة و IoU في واجهة Gradio لـ YOLO26؟

في واجهة Gradio لـ YOLO26، يمكنك ضبط عتبات الثقة وIoU باستخدام أشرطة التمرير المتاحة. تساعد هذه العتبات في التحكم في دقة التنبؤ وفصل الكائنات:

• عتبة الثقة: تحدد الحد الأدنى لمستوى الثقة لاكتشاف الكائنات. حرك لزيادة أو تقليل الثقة المطلوبة.
• عتبة IoU: تحدد عتبة التقاطع على الاتحاد للتمييز بين الكائنات المتداخلة. اضبط هذا القيمة لتحسين فصل الكائنات.

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

ما هي بعض التطبيقات العملية لاستخدام Ultralytics YOLO26 مع Gradio؟

تشمل التطبيقات العملية لدمج Ultralytics YOLO26 مع Gradio ما يلي:

• عروض توضيحية لاكتشاف الكائنات في الوقت الفعلي: مثالية لعرض كيفية عمل اكتشاف الكائنات في الوقت الفعلي.
• أدوات تعليمية: مفيدة في البيئات الأكاديمية لتدريس مفاهيم الكشف عن الكائنات ورؤية الكمبيوتر.
• تطوير النموذج الأولي: فعال لتطوير واختبار تطبيقات الكشف عن الكائنات النموذجية بسرعة.
• المجتمع والتعاونات: تسهيل مشاركة النماذج مع المجتمع للحصول على التعليقات والتعاون.

للحصول على أمثلة لحالات استخدام مماثلة، تحقق من مدونة Ultralytics حول مراقبة سلوك الحيوانات التي توضح كيف يمكن للتصور التفاعلي أن يعزز جهود الحفاظ على الحياة البرية.

📅 تم الإنشاء قبل 1 عام ✏️ تم التحديث قبل 5 أيام

تعليقات