Detección interactiva de objetos: Gradio y Ultralytics YOLOv8 🚀

Introducción a la detección interactiva de objetos

Esta interfaz de Gradio proporciona una forma fácil e interactiva de realizar la detección de objetos utilizando el Ultralytics YOLOv8 modelo. Los usuarios pueden cargar imágenes y ajustar parámetros como el umbral de confianza y el umbral de intersección sobre unión (IoU) para obtener resultados de detección en tiempo real.

¿Por qué utilizar Gradio para la detección de objetos?

• Interfaz fácil de usar: Gradio ofrece una plataforma sencilla para que los usuarios suban imágenes y visualicen los resultados de la detección sin ningún requisito de codificación.
• Ajustes en Tiempo Real: Parámetros como los umbrales de confianza y de IoU pueden ajustarse sobre la marcha, lo que permite una respuesta inmediata y la optimización de los resultados de detección.
• Amplia accesibilidad: Cualquiera puede acceder a la interfaz web de Gradio, lo que la convierte en una herramienta excelente para demostraciones, fines educativos y experimentos rápidos.

Cómo instalar el Gradio

pip install gradio

Cómo utilizar la interfaz

1. Subir Imagen: Haz clic en "Cargar imagen" para elegir un archivo de imagen para la detección de objetos.
2. Ajusta los parámetros:
   • Umbral de Confianza: Control deslizante para fijar el nivel mínimo de confianza para detectar objetos.
   • Umbral IoU: Control deslizante para fijar el umbral de IoU para distinguir diferentes objetos.
3. Ver resultados: Se mostrará la imagen procesada con los objetos detectados y sus etiquetas.

Ejemplos de casos prácticos

• Imagen de ejemplo 1: Detección de autobús con umbrales por defecto.
• Imagen de muestra 2: Detección en una imagen deportiva con los umbrales por defecto.

Ejemplo de uso

Esta sección proporciona el código Python utilizado para crear la interfaz de Gradio con el modelo Ultralytics YOLOv8 . Admite tareas de clasificación, tareas de detección, tareas de segmentación y tareas de puntos clave.

import gradio as gr
import PIL.Image as Image
from ultralytics import ASSETS, YOLO

model = YOLO("yolov8n.pt")


def predict_image(img, conf_threshold, iou_threshold):
    """Predicts and plots labeled objects in an image using YOLOv8 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 YOLOv8n 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()

Parámetros Explicación

Componentes de la interfaz de Gradio

Comentarios