Détection interactive d'objets : Gradio & Ultralytics YOLOv8 🚀
Introduction à la détection interactive d'objets
Cette interface Gradio offre un moyen facile et interactif d'effectuer la détection d'objets à l'aide du Ultralytics YOLOv8 modèle. Les utilisateurs peuvent télécharger des images et ajuster des paramètres tels que le seuil de confiance et le seuil d'intersection au-dessus de l'union (IoU) pour obtenir des résultats de détection en temps réel.
Pourquoi utiliser Gradio pour la détection d'objets ?
- Interface conviviale : Gradio offre une plateforme simple aux utilisateurs pour qu'ils puissent télécharger des images et visualiser les résultats de la 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 d'information immédiat et l'optimisation des résultats de la détection.
- Large accessibilité : L'interface web de Gradio est accessible à tous, ce qui en fait un excellent outil pour les démonstrations, les objectifs éducatifs et les expériences rapides.
Comment installer Gradio
Comment utiliser l'interface
- Télécharger une image : Clique sur "Télécharger une image" pour choisir un fichier image pour la détection des objets.
- Ajuste les paramètres :
- Seuil de confiance : Curseur permettant de définir le niveau de confiance minimum pour la détection des objets.
- Seuil de l'indice d'utilité : Curseur permettant de régler le seuil de l'IoU pour distinguer les différents objets.
- Voir les résultats : L'image traitée avec les objets détectés et leurs étiquettes s'affiche.
Exemples de cas d'utilisation
- Exemple d'image 1 : détection de bus avec les seuils par défaut.
- Exemple d'image 2 : détection sur une image de sport avec les seuils par défaut.
Exemple d'utilisation
Cette section fournit le code Python utilisé pour créer l'interface Gradio avec le modèle Ultralytics YOLOv8 . Prend en charge les tâches de classification, de détection, de segmentation et de points clés.
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()
Explication des paramètres
Nom du paramètre | Type | Description |
---|---|---|
img |
Image |
L'image sur laquelle la détection des objets sera effectuée. |
conf_threshold |
float |
Seuil de confiance pour la détection d'objets. |
iou_threshold |
float |
Seuil d'intersection sur l'union pour la séparation des objets. |
Composants de l'interface Gradio
Composant | Description |
---|---|
Entrée d'image | Pour télécharger l'image à des fins de détection. |
Sliders | Pour ajuster les seuils de confiance et les seuils de référence. |
Sortie d'image | Pour afficher les résultats de la détection. |