كشف الكائنات التفاعلية: غراديو و Ultralytics YOLO11 🚀

مقدمة في اكتشاف الكائنات التفاعلية

توفر واجهة Gradio هذه طريقة سهلة وتفاعلية لإجراء اكتشاف الكائن باستخدام Ultralytics YOLO11 النموذج. يمكن للمستخدمين تحميل الصور وتعديل المعلمات مثل عتبة الثقة وعتبة التقاطع فوق الاتحاد (IoU) للحصول على نتائج الكشف في الوقت الفعلي.

شاهد: تكامل Gradio مع Ultralytics YOLO11

لماذا استخدام Gradio للكشف عن الكائنات؟

• واجهة سهلة الاستخدام: يوفر Gradio نظامًا أساسيًا مباشرًا للمستخدمين لتحميل الصور وتصور نتائج الكشف دون الحاجة إلى أي ترميز.
• تعديلات في الوقت الحقيقي: يمكن تعديل المعلمات مثل عتبات الثقة وعتبات وحدة الكشف عن الهوية على الفور، مما يسمح بالحصول على ملاحظات فورية وتحسين نتائج الكشف.
• إمكانية الوصول الواسع: يمكن لأي شخص الوصول إلى واجهة الويب Gradio، مما يجعلها أداة ممتازة للعروض التوضيحية والأغراض التعليمية والتجارب السريعة.

كيفية تثبيت غراديو

pip install gradio

كيفية استخدام الواجهة

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

أمثلة لحالات الاستخدام

• نموذج الصورة 1: اكتشاف الناقل مع العتبات الافتراضية.
• نموذج الصورة 2: الكشف على صورة رياضية بعتبات افتراضية.

مثال على الاستخدام

يوفر هذا القسم الكود Python المستخدم لإنشاء واجهة Gradio مع نموذج Ultralytics YOLO11 . يدعم 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("yolo11n.pt")


def predict_image(img, conf_threshold, iou_threshold):
    """Predicts objects in an image using a YOLO11 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 YOLO11n 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 غراديو غراديو

الأسئلة الشائعة

كيف يمكنني استخدام Gradio مع Ultralytics YOLO11 لاكتشاف الأجسام؟

لاستخدام Gradio مع Ultralytics YOLO11 لاكتشاف الأجسام، يمكنك اتباع الخطوات التالية:

1. تثبيت غراديو: استخدم الأمر pip install gradio.
2. إنشاء واجهة: اكتب برنامج نصي Python لتهيئة واجهة Gradio. يمكنك الرجوع إلى المثال البرمجي المقدم في الوثائق للحصول على التفاصيل.
3. التحميل والضبط: قم بتحميل صورتك وضبط عتبات الثقة وعتبات IoU على واجهة Gradio للحصول على نتائج اكتشاف الأجسام في الوقت الفعلي.

إليك مقتطف رمز بسيط للرجوع إليه:

import gradio as gr

from ultralytics import YOLO

model = YOLO("yolo11n.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 YOLO11",
    description="Upload images for YOLO11 object detection.",
)
iface.launch()

ما هي فوائد استخدام Gradio للكشف عن الأجسام Ultralytics YOLO11 ؟

يوفر استخدام Gradio لـ Ultralytics YOLO11 الكشف عن الأجسام العديد من الفوائد:

• واجهة سهلة الاستخدام: يوفر Gradio واجهة سهلة الاستخدام للمستخدمين لتحميل الصور وتصور نتائج الكشف دون أي جهد برمجي.
• تعديلات في الوقت الحقيقي: يمكنك ضبط معلمات الاكتشاف ديناميكيًا مثل عتبات الثقة وعتبات 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 هذه التدوينة.

هل يمكنني استخدام Gradio و Ultralytics YOLO11 معاً لأغراض تعليمية؟

نعم، يمكن استخدام Gradio و Ultralytics YOLO11 معًا لأغراض تعليمية بفعالية. تسهّل واجهة الويب البديهية لـ Gradio على الطلاب والمعلمين التفاعل مع أحدث نماذج التعلم العميق مثل Ultralytics YOLO11 دون الحاجة إلى مهارات برمجة متقدمة. يعد هذا الإعداد مثاليًا لتوضيح المفاهيم الأساسية في اكتشاف الأجسام والرؤية الحاسوبية، حيث يوفر Gradio تغذية راجعة مرئية فورية تساعد في فهم تأثير المعلمات المختلفة على أداء الاكتشاف.

كيف يمكنني ضبط عتبات الثقة وعتبات IoU في واجهة Gradio على YOLO11 ؟

في واجهة Gradio لـ YOLO11 ، يمكنك ضبط عتبات الثقة وعتبات IoU باستخدام أشرطة التمرير المتوفرة. تساعد هذه العتبات في التحكم في دقة التنبؤ وفصل الكائنات:

• عتبة الثقة: يحدد الحد الأدنى من مستوى الثقة لاكتشاف الأجسام. مرر لزيادة الثقة المطلوبة أو تقليلها.
• عتبة IoU: يضبط عتبة التقاطع فوق الاتحاد للتمييز بين الكائنات المتداخلة. اضبط هذه القيمة لتحسين فصل الكائنات.

لمزيد من المعلومات حول هذه المعلمات، يرجى زيارة قسم شرح المعلمات.

ما هي بعض التطبيقات العملية لاستخدام Ultralytics YOLO11 مع غراديو؟

تشمل التطبيقات العملية للجمع بين Ultralytics YOLO11 مع غراديو ما يلي:

• عروض توضيحية لاكتشاف الأجسام في الوقت الحقيقي: مثالية لعرض كيفية عمل اكتشاف الكائنات في الوقت الفعلي.
• أدوات تعليمية: مفيدة في البيئات الأكاديمية لتعليم اكتشاف الأجسام ومفاهيم الرؤية الحاسوبية.
• تطوير النماذج الأولية: فعال لتطوير واختبار تطبيقات الكشف عن الأجسام النموذجية الأولية واختبارها بسرعة.
• المجتمع والتعاون: تسهيل مشاركة النماذج مع المجتمع للحصول على التعليقات والتعاون.

للحصول على أمثلة لحالات استخدام مشابهة، راجع مدونةUltralytics .

إن توفير هذه المعلومات ضمن الوثائق سيساعد في تعزيز قابلية استخدام وإمكانية الوصول إلى Ultralytics YOLO11 ، مما يجعله أكثر سهولة للمستخدمين على جميع مستويات الخبرة.

📅 تم الإنشاء قبل 10 أشهر ✏️ تم التحديث منذ 2 أشهر

التعليقات