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

pip install gradio

Comment utiliser l'interface

1. Télécharger une image : Clique sur "Télécharger une image" pour choisir un fichier image pour la détection des objets.
2. 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.
3. 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

Composants de l'interface Gradio

Commentaires