Link to this sectionDétection d'objets interactive : Gradio et Ultralytics YOLO26 🚀#

Link to this sectionIntroduction à la détection d'objets interactive#

Cette interface Gradio offre un moyen simple et interactif d'effectuer une détection d'objets à l'aide du modèle Ultralytics YOLO26. Tu peux télécharger des images et ajuster des paramètres comme le seuil de confiance et le seuil d'intersection sur union (IoU) pour obtenir des résultats de détection en temps réel.

Link to this sectionPourquoi utiliser Gradio pour la détection d'objets ?#

• Interface conviviale : Gradio propose une plateforme simple pour télécharger des images et visualiser les résultats de détection sans avoir besoin de coder.
• Ajustements en temps réel : Les paramètres tels que les seuils de confiance et d'IoU peuvent être ajustés à la volée, ce qui permet un retour immédiat et l'optimisation des résultats de détection.
• Large accessibilité : L'interface web Gradio est accessible à tous, ce qui en fait un excellent outil pour les démonstrations, les objectifs pédagogiques et les expériences rapides.

Link to this sectionComment installer Gradio#

pip install gradio

Link to this sectionComment utiliser l'interface#

1. Télécharger une image : Clique sur 'Upload Image' pour choisir un fichier image pour la détection d'objets.
2. Ajuster les paramètres :
   • Seuil de confiance : Curseur permettant de définir le niveau de confiance minimal pour détecter des objets.
   • Seuil d'IoU : Curseur permettant de définir le seuil d'IoU pour distinguer différents objets.
3. Voir les résultats : L'image traitée avec les objets détectés et leurs étiquettes sera affichée.

Link to this sectionExemples de cas d'utilisation#

• Exemple d'image 1 : Détection de bus avec les seuils par défaut.
• Exemple d'image 2 : Détection sur une image sportive avec les seuils par défaut.

Link to this sectionExemple d'utilisation#

Cette section fournit le code Python utilisé pour créer une interface Gradio pour la détection d'objets Ultralytics YOLO26. L'exemple peut être adapté pour la classification, la segmentation d'instances, la pose et d'autres tâches YOLO en chargeant le point de contrôle du modèle correspondant.

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()

Link to this sectionExplication des paramètres#

Link to this sectionComposants de l'interface Gradio#

Link to this sectionFAQ#

Link to this sectionComment utiliser Gradio avec Ultralytics YOLO26 pour la détection d'objets ?#

Pour utiliser Gradio avec Ultralytics YOLO26 pour la détection d'objets, tu peux suivre ces étapes :

1. Installer Gradio : Utilise la commande pip install gradio.
2. Créer l'interface : Écris un script Python pour initialiser l'interface Gradio. Tu peux te référer à l'exemple de code fourni dans la documentation pour plus de détails.
3. Télécharger et ajuster : Télécharge ton image et ajuste les seuils de confiance et d'IoU sur l'interface Gradio pour obtenir des résultats de détection d'objets en temps réel.

Voici un extrait de code minimal pour référence :

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()

Link to this sectionQuels sont les avantages d'utiliser Gradio pour la détection d'objets Ultralytics YOLO26 ?#

L'utilisation de Gradio pour la détection d'objets Ultralytics YOLO26 offre plusieurs avantages :

• Interface conviviale : Gradio fournit une interface intuitive pour que les utilisateurs puissent télécharger des images et visualiser les résultats de détection sans aucun effort de codage.
• Ajustements en temps réel : Tu peux ajuster dynamiquement les paramètres de détection tels que les seuils de confiance et d'IoU et voir les effets immédiatement.
• Accessibilité : L'interface web est accessible à tous, ce qui la rend utile pour des expériences rapides, des objectifs pédagogiques et des démonstrations.

Pour plus de détails, tu peux lire cet article de blog sur l'IA en radiologie qui présente des techniques de visualisation interactive similaires.

Link to this sectionPuis-je utiliser Gradio et Ultralytics YOLO26 ensemble à des fins pédagogiques ?#

Oui, Gradio et Ultralytics YOLO26 peuvent être utilisés ensemble efficacement à des fins pédagogiques. L'interface web intuitive de Gradio permet aux étudiants et aux enseignants d'interagir facilement avec des modèles de deep learning de pointe comme Ultralytics YOLO26 sans avoir besoin de compétences avancées en programmation. Cette configuration est idéale pour démontrer des concepts clés en détection d'objets et en computer vision, car Gradio fournit un retour visuel immédiat qui aide à comprendre l'impact de différents paramètres sur les performances de détection.

Link to this sectionComment ajuster les seuils de confiance et d'IoU dans l'interface Gradio pour YOLO26 ?#

Dans l'interface Gradio pour YOLO26, tu peux ajuster les seuils de confiance et d'IoU en utilisant les curseurs fournis. Ces seuils aident à contrôler la précision des prédictions et la séparation des objets :

• Seuil de confiance : Détermine le niveau de confiance minimal pour détecter des objets. Fais glisser pour augmenter ou diminuer la confiance requise.
• Seuil d'IoU : Définit le seuil d'intersection sur union pour distinguer les objets qui se chevauchent. Ajuste cette valeur pour affiner la séparation des objets.

Pour plus d'informations sur ces paramètres, visite la section d'explication des paramètres.

Link to this sectionQuelles sont les applications pratiques de l'utilisation d'Ultralytics YOLO26 avec Gradio ?#

Les applications pratiques de la combinaison d'Ultralytics YOLO26 avec Gradio incluent :

• Démonstrations de détection d'objets en temps réel : Idéal pour montrer comment la détection d'objets fonctionne en temps réel.
• Outils pédagogiques : Utile dans les contextes académiques pour enseigner les concepts de détection d'objets et de computer vision.
• Développement de prototypes : Efficace pour développer et tester rapidement des applications de détection d'objets prototypes.
• Communauté et collaborations : Facilite le partage de modèles avec la communauté pour obtenir des retours et collaborer.

Pour des exemples de cas d'utilisation similaires, consulte le blog Ultralytics sur le suivi du comportement animal qui montre comment la visualisation interactive peut améliorer les efforts de conservation de la faune.