इंटरएक्टिव ऑब्जेक्ट डिटेक्शन: Gradio & Ultralytics YOLOv8 🚀

इंटरएक्टिव ऑब्जेक्ट डिटेक्शन का परिचय

यह Gradio इंटरफ़ेस का उपयोग करके ऑब्जेक्ट डिटेक्शन करने का एक आसान और इंटरैक्टिव तरीका प्रदान करता है Ultralytics YOLOv8 को गढ़ना। उपयोगकर्ता वास्तविक समय का पता लगाने के परिणाम प्राप्त करने के लिए छवियों को अपलोड कर सकते हैं और आत्मविश्वास थ्रेशोल्ड और इंटरसेक्शन-ओवर-यूनियन (IoU) थ्रेशोल्ड जैसे मापदंडों को समायोजित कर सकते हैं।

सतर्कता: के साथ Gradio एकीकरण Ultralytics YOLOv8

ऑब्जेक्ट डिटेक्शन के लिए Gradio का उपयोग क्यों करें?

• उपभोक्ता - अनुकूल इंटरफेस: Gradio उपयोगकर्ताओं को छवियों को अपलोड करने और बिना किसी कोडिंग आवश्यकता के पहचान परिणामों की कल्पना करने के लिए एक सीधा मंच प्रदान करता है।
• वास्तविक समय समायोजन: आत्मविश्वास और IoU थ्रेसहोल्ड जैसे मापदंडों को मक्खी पर समायोजित किया जा सकता है, जिससे तत्काल प्रतिक्रिया और पता लगाने के परिणामों के अनुकूलन की अनुमति मिलती है।
• व्यापक पहुँच: Gradio वेब इंटरफ़ेस को कोई भी एक्सेस कर सकता है, जिससे यह प्रदर्शनों, शैक्षिक उद्देश्यों और त्वरित प्रयोगों के लिए एक उत्कृष्ट उपकरण बन जाता है।

Gradio कैसे स्थापित करें

pip install gradio

इंटरफ़ेस का उपयोग कैसे करें

1. छवि अपलोड करें: ऑब्जेक्ट डिटेक्शन के लिए इमेज फाइल चुनने के लिए 'अपलोड इमेज' पर क्लिक करें।
2. पैरामीटर समायोजित करें:
   • कॉन्फिडेंस थ्रेशोल्ड: वस्तुओं का पता लगाने के लिए न्यूनतम आत्मविश्वास स्तर निर्धारित करने के लिए स्लाइडर।
   • IoU थ्रेशोल्ड: विभिन्न वस्तुओं को अलग करने के लिए IoU थ्रेशोल्ड सेट करने के लिए स्लाइडर।
3. परिणाम देखें: पता लगाई गई वस्तुओं और उनके लेबल के साथ संसाधित छवि प्रदर्शित की जाएगी।

उदाहरण उपयोग के मामले

• नमूना छवि 1: डिफ़ॉल्ट थ्रेसहोल्ड के साथ बस का पता लगाना।
• नमूना छवि 2: डिफ़ॉल्ट थ्रेसहोल्ड के साथ एक खेल छवि पर पता लगाना।

उपयोग उदाहरण

यह खंड प्रदान करता है Python कोड का उपयोग Gradio इंटरफ़ेस को Ultralytics YOLOv8 को गढ़ना। वर्गीकरण कार्यों, पता लगाने के कार्यों, विभाजन कार्यों और मुख्य बिंदु कार्यों का समर्थन करता है।

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()

पैरामीटर स्पष्टीकरण

Gradio इंटरफ़ेस घटक

अक्सर पूछे जाने वाले प्रश्न

मैं Gradio का उपयोग कैसे करूं Ultralytics YOLOv8 ऑब्जेक्ट डिटेक्शन के लिए?

के साथ Gradio का उपयोग करने के लिए Ultralytics YOLOv8 ऑब्जेक्ट डिटेक्शन के लिए, आप निम्न चरणों का पालन कर सकते हैं:

1. Gradio स्थापित करें: आदेश का उपयोग करें pip install gradio.
2. इंटरफ़ेस बनाएँ: एक लिखें Python स्क्रिप्ट Gradio इंटरफ़ेस प्रारंभ करने के लिए। आप विवरण के लिए प्रलेखन में दिए गए कोड उदाहरण का उल्लेख कर सकते हैं।
3. अपलोड करें और समायोजित करें: अपनी छवि अपलोड करें और रीयल-टाइम ऑब्जेक्ट डिटेक्शन परिणाम प्राप्त करने के लिए Gradio इंटरफ़ेस पर आत्मविश्वास और IoU थ्रेसहोल्ड को समायोजित करें।

संदर्भ के लिए यहां एक न्यूनतम कोड स्निपेट दिया गया है:

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()

Gradio का उपयोग करने के क्या लाभ हैं Ultralytics YOLOv8 वस्तु का पता लगाने?

के लिए Gradio का उपयोग करना Ultralytics YOLOv8 ऑब्जेक्ट डिटेक्शन कई लाभ प्रदान करता है:

• उपभोक्ता - अनुकूल इंटरफेस: Gradio उपयोगकर्ताओं को छवियों को अपलोड करने और बिना किसी कोडिंग प्रयास के पहचान परिणामों की कल्पना करने के लिए एक सहज ज्ञान युक्त अंतरफलक प्रदान करता है।
• वास्तविक समय समायोजन: आप गतिशील रूप से पता लगाने वाले मापदंडों जैसे आत्मविश्वास और IoU थ्रेसहोल्ड को समायोजित कर सकते हैं और तुरंत प्रभाव देख सकते हैं।
• सुलभता: वेब इंटरफ़ेस किसी के लिए भी सुलभ है, जो इसे त्वरित प्रयोगों, शैक्षिक उद्देश्यों और प्रदर्शनों के लिए उपयोगी बनाता है।

अधिक जानकारी के लिए, आप इस ब्लॉग पोस्ट को पढ़ सकते हैं।

क्या मैं Gradio का उपयोग कर सकता हूं और Ultralytics YOLOv8 शैक्षिक उद्देश्यों के लिए एक साथ?

हाँ, Gradio और Ultralytics YOLOv8 शैक्षिक उद्देश्यों के लिए प्रभावी ढंग से एक साथ उपयोग किया जा सकता है। Gradio का सहज ज्ञान युक्त वेब इंटरफ़ेस छात्रों और शिक्षकों के लिए अत्याधुनिक गहन शिक्षण मॉडल के साथ बातचीत करना आसान बनाता है जैसे Ultralytics YOLOv8 उन्नत प्रोग्रामिंग कौशल की आवश्यकता के बिना। यह सेटअप ऑब्जेक्ट डिटेक्शन और कंप्यूटर विज़न में महत्वपूर्ण अवधारणाओं को प्रदर्शित करने के लिए आदर्श है, क्योंकि Gradio तत्काल दृश्य प्रतिक्रिया प्रदान करता है जो डिटेक्शन प्रदर्शन पर विभिन्न मापदंडों के प्रभाव को समझने में मदद करता है।

मैं Gradio इंटरफ़ेस में आत्मविश्वास और IoU थ्रेसहोल्ड को कैसे समायोजित करूं YOLOv8?

के लिए Gradio इंटरफ़ेस में YOLOv8, आप प्रदान किए गए स्लाइडर्स का उपयोग करके आत्मविश्वास और IoU थ्रेसहोल्ड को समायोजित कर सकते हैं। ये थ्रेसहोल्ड भविष्यवाणी सटीकता और वस्तु पृथक्करण को नियंत्रित करने में मदद करते हैं:

• आत्मविश्वास की दहलीज: वस्तुओं का पता लगाने के लिए न्यूनतम आत्मविश्वास स्तर निर्धारित करता है। आवश्यक आत्मविश्वास बढ़ाने या घटाने के लिए स्लाइड करें।
• IoU थ्रेशोल्ड: अतिव्यापी वस्तुओं के बीच अंतर करने के लिए चौराहे-ओवर-यूनियन थ्रेशोल्ड सेट करता है। ऑब्जेक्ट पृथक्करण को परिष्कृत करने के लिए इस मान को समायोजित करें।

इन पैरामीटर पर अधिक जानकारी के लिए, पैरामीटर स्पष्टीकरण अनुभाग पर जाएँ।

उपयोग करने के कुछ व्यावहारिक अनुप्रयोग क्या हैं Ultralytics YOLOv8 Gradio के साथ?

संयोजन के व्यावहारिक अनुप्रयोग Ultralytics YOLOv8 Gradio के साथ शामिल हैं:

• वास्तविक समय वस्तु का पता लगाने प्रदर्शन: यह दिखाने के लिए आदर्श है कि वास्तविक समय में ऑब्जेक्ट डिटेक्शन कैसे काम करता है।
• शैक्षिक उपकरण: ऑब्जेक्ट डिटेक्शन और कंप्यूटर विज़न अवधारणाओं को सिखाने के लिए अकादमिक सेटिंग्स में उपयोगी।
• प्रोटोटाइप विकास: प्रोटोटाइप ऑब्जेक्ट डिटेक्शन अनुप्रयोगों को जल्दी से विकसित करने और परीक्षण करने के लिए कुशल।
• समुदाय और सहयोग: प्रतिक्रिया और सहयोग के लिए समुदाय के साथ मॉडल साझा करना आसान बनाना।

समान उपयोग के मामलों के उदाहरणों के लिए, देखें Ultralytics ब्लॉग।

दस्तावेज़ीकरण के भीतर यह जानकारी प्रदान करने से प्रयोज्यता और पहुंच को बढ़ाने में मदद मिलेगी Ultralytics YOLOv8, विशेषज्ञता के सभी स्तरों पर उपयोगकर्ताओं के लिए इसे और अधिक सुलभ बनाना।

टिप्पणियाँ