Object detect interattivo: Gradio & Ultralytics YOLO26 🚀

Introduzione all'Object Detection interattivo

Questa interfaccia Gradio fornisce un modo semplice e interattivo per eseguire l'object detect utilizzando il modello Ultralytics YOLO26. Gli utenti possono caricare immagini e regolare parametri come la soglia di confidenza e la soglia di intersection-over-union (IoU) per ottenere risultati di detect in tempo reale.

Guarda: Integrazione di Gradio con Ultralytics YOLO26

Perché usare Gradio per il rilevamento di oggetti?

• Interfaccia intuitiva: Gradio offre una piattaforma semplice per consentire agli utenti di caricare immagini e visualizzare i risultati del rilevamento senza dover scrivere codice.
• Regolazioni in Tempo Reale: Parametri come le soglie di confidenza e IoU possono essere regolati al volo, consentendo un feedback immediato e l'ottimizzazione dei risultati di detect.
• Ampia accessibilità: L'interfaccia web di Gradio è accessibile a chiunque, rendendola uno strumento eccellente per dimostrazioni, scopi educativi ed esperimenti rapidi.

Come installare Gradio

pip install gradio

Come utilizzare l'interfaccia

1. Carica immagine: Clicca su 'Carica immagine' per scegliere un file immagine per l'object detection.
2. Regola i parametri:
   • Soglia di confidenza: Cursore per impostare il livello minimo di confidenza per il rilevamento degli oggetti.
   • Soglia IoU: Cursore per impostare la soglia IoU per distinguere diversi oggetti.
3. Visualizza i risultati: Verrà visualizzata l'immagine elaborata con gli oggetti rilevati e le relative etichette.

Esempi di casi d'uso

• Immagine di esempio 1: Rilevamento di autobus con soglie predefinite.
• Immagine di esempio 2: Rilevamento su un'immagine sportiva con soglie predefinite.

Esempio di utilizzo

Questa sezione fornisce il codice python utilizzato per creare l'interfaccia Gradio con il modello Ultralytics YOLO26. Il codice supporta task di classificazione, task di detection, task di segmentation e task di keypoint.

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()

Spiegazione dei Parametri

Componenti dell'interfaccia Gradio

FAQ

Come si usa Gradio con Ultralytics YOLO26 per l'object detect?

Per utilizzare Gradio con Ultralytics YOLO26 per il rilevamento di oggetti, è possibile seguire questi passaggi:

1. Installa Gradio: Utilizza il comando pip install gradio.
2. Crea Interfaccia: Scrivi uno script python per inizializzare l'interfaccia Gradio. Puoi fare riferimento all'esempio di codice fornito nella documentazione per i dettagli.
3. Carica e regola: Carica la tua immagine e regola le soglie di confidence e IoU sull'interfaccia Gradio per ottenere risultati di object detection in tempo reale.

Ecco un frammento di codice minimo per riferimento:

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()

Quali sono i vantaggi dell'utilizzo di Gradio per l'object detect con Ultralytics YOLO26?

L'utilizzo di Gradio per il rilevamento di oggetti con Ultralytics YOLO26 offre numerosi vantaggi:

• Interfaccia intuitiva: Gradio fornisce un'interfaccia intuitiva per consentire agli utenti di caricare immagini e visualizzare i risultati del rilevamento senza alcuno sforzo di codifica.
• Regolazioni in Tempo Reale: Puoi regolare dinamicamente i parametri di detect come le soglie di confidenza e IoU e vedere immediatamente gli effetti.
• Accessibilità: L'interfaccia web è accessibile a chiunque, rendendola utile per esperimenti rapidi, scopi didattici e dimostrazioni.

Per maggiori dettagli, è possibile leggere questo articolo del blog sull'IA in radiologia che illustra tecniche di visualizzazione interattiva simili.

Posso usare Gradio e Ultralytics YOLO26 insieme per scopi educativi?

Sì, Gradio e Ultralytics YOLO26 possono essere utilizzati insieme in modo efficace per scopi didattici. L'interfaccia web intuitiva di Gradio facilita l'interazione di studenti ed educatori con modelli di deep learning all'avanguardia come Ultralytics YOLO26, senza la necessità di competenze di programmazione avanzate. Questa configurazione è ideale per dimostrare concetti chiave nel rilevamento di oggetti e nella visione artificiale, poiché Gradio fornisce un feedback visivo immediato che aiuta a comprendere l'impatto dei diversi parametri sulle prestazioni di rilevamento.

Come si regolano le soglie di confidenza e IoU nell'interfaccia Gradio per YOLO26?

Nell'interfaccia Gradio per YOLO26, è possibile regolare le soglie di confidenza e IoU utilizzando gli slider forniti. Queste soglie aiutano a controllare l'accuratezza della previsione e la separazione degli oggetti:

• Soglia di confidenza: Determina il livello minimo di confidenza per il rilevamento degli oggetti. Scorri per aumentare o diminuire la confidenza richiesta.
• Soglia IoU: Imposta la soglia intersection-over-union per distinguere tra oggetti sovrapposti. Regola questo valore per affinare la separazione degli oggetti.

Per maggiori informazioni su questi parametri, visita la sezione di spiegazione dei parametri.

Quali sono alcune applicazioni pratiche dell'utilizzo di Ultralytics YOLO26 con Gradio?

Le applicazioni pratiche della combinazione di Ultralytics YOLO26 con Gradio includono:

• Dimostrazioni di rilevamento di oggetti in tempo reale: Ideale per mostrare come funziona il rilevamento di oggetti in tempo reale.
• Strumenti didattici: Utili in contesti accademici per insegnare il rilevamento di oggetti e i concetti di computer vision.
• Sviluppo di prototipi: Efficiente per sviluppare e testare rapidamente applicazioni prototipo di rilevamento oggetti.
• Community e Collaborazioni: Semplificare la condivisione di modelli con la community per feedback e collaborazione.

Per esempi di casi d'uso simili, consulta il blog di Ultralytics sul monitoraggio del comportamento animale, che dimostra come la visualizzazione interattiva possa migliorare gli sforzi di conservazione della fauna selvatica.

📅 Creato 1 anno fa ✏️ Aggiornato 5 giorni fa

Commenti