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.

Observa: Integración de Gradio con Ultralytics YOLOv8

¿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 objects in an image using a 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

PREGUNTAS FRECUENTES

¿Cómo utilizo Gradio con Ultralytics YOLOv8 para la detección de objetos?

Para utilizar Gradio con Ultralytics YOLOv8 para la detección de objetos, puedes seguir estos pasos:

1. Instala Gradio: Utiliza el comando pip install gradio.
2. Crear interfaz: Escribe un script Python para inicializar la interfaz de Gradio. Puedes consultar el ejemplo de código proporcionado en la documentación para más detalles.
3. Subir y ajustar: Sube tu imagen y ajusta los umbrales de confianza e IoU en la interfaz de Gradio para obtener resultados de detección de objetos en tiempo real.

Aquí tienes un fragmento de código mínimo como referencia:

import gradio as gr

from ultralytics import YOLO

model = YOLO("yolov8n.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 YOLOv8",
    description="Upload images for YOLOv8 object detection.",
)
iface.launch()

¿Qué ventajas tiene utilizar Gradio para la detección de objetos en Ultralytics YOLOv8 ?

Utilizar Gradio para la detección de objetos en Ultralytics YOLOv8 ofrece varias ventajas:

• Interfaz fácil de usar: Gradio proporciona una interfaz intuitiva para que los usuarios suban imágenes y visualicen los resultados de la detección sin ningún esfuerzo de codificación.
• Ajustes en tiempo real: Puedes ajustar dinámicamente los parámetros de detección, como los umbrales de confianza e IoU, y ver los efectos inmediatamente.
• Accesibilidad: La interfaz web es accesible para cualquiera, lo que la hace útil para experimentos rápidos, fines educativos y demostraciones.

Para más detalles, puedes leer esta entrada del blog.

¿Puedo utilizar Gradio y Ultralytics YOLOv8 juntos con fines educativos?

Sí, Gradio y Ultralytics YOLOv8 pueden utilizarse juntos con fines educativos de forma eficaz. La intuitiva interfaz web de Gradio facilita a estudiantes y educadores la interacción con modelos de aprendizaje profundo de última generación, como Ultralytics YOLOv8 , sin necesidad de conocimientos avanzados de programación. Esta configuración es ideal para demostrar conceptos clave en la detección de objetos y la visión por ordenador, ya que Gradio proporciona información visual inmediata que ayuda a comprender el impacto de los distintos parámetros en el rendimiento de la detección.

¿Cómo ajusto los umbrales de confianza e IoU en la interfaz de Gradio para YOLOv8?

En la interfaz de Gradio para YOLOv8, puedes ajustar los umbrales de confianza e IoU utilizando los controles deslizantes que se proporcionan. Estos umbrales ayudan a controlar la precisión de la predicción y la separación de objetos:

• Umbral de confianza: Determina el nivel de confianza mínimo para detectar objetos. Desliza para aumentar o disminuir la confianza requerida.
• Umbral IoU: Establece el umbral de intersección sobre unión para distinguir entre objetos superpuestos. Ajusta este valor para refinar la separación de objetos.

Para más información sobre estos parámetros, visita la sección de explicación de parámetros.

¿Cuáles son algunas aplicaciones prácticas del uso de Ultralytics YOLOv8 con Gradio?

Las aplicaciones prácticas de la combinación de Ultralytics YOLOv8 con Gradio incluyen:

• Demostraciones de Detección de Objetos en Tiempo Real: Ideal para mostrar cómo funciona la detección de objetos en tiempo real.
• Herramientas educativas: Útiles en entornos académicos para enseñar conceptos de detección de objetos y visión por ordenador.
• Desarrollo de prototipos: Eficaz para desarrollar y probar rápidamente prototipos de aplicaciones de detección de objetos.
• Comunidad y colaboraciones: Facilitar el intercambio de modelos con la comunidad para obtener comentarios y colaboración.

Para ver ejemplos de casos de uso similares, consulta el blogUltralytics .

Proporcionar esta información en la documentación ayudará a mejorar la usabilidad y accesibilidad de Ultralytics YOLOv8 , haciéndolo más accesible para usuarios de todos los niveles de experiencia.

Comentarios