대화형 객체 감지: Gradio & Ultralytics YOLO11 🚀
대화형 객체 탐지 소개
이 Gradio 인터페이스는 Ultralytics YOLO11 모델을 사용하여 객체 탐지를 수행하는 쉽고 대화형적인 방법을 제공합니다. 사용자는 이미지를 업로드하고 신뢰도 임계값 및 IoU(Intersection-over-Union) 임계값과 같은 매개변수를 조정하여 실시간 탐지 결과를 얻을 수 있습니다.
참고: Ultralytics YOLO11과의 Gradio 통합
객체 감지에 Gradio를 사용하는 이유는 무엇입니까?
- 사용자 친화적인 인터페이스: Gradio는 사용자가 코딩 없이 이미지를 업로드하고 탐지 결과를 시각화할 수 있는 간단한 플랫폼을 제공합니다.
- 실시간 조정: 신뢰도 및 IoU 임계값과 같은 파라미터를 즉석에서 조정할 수 있어 즉각적인 피드백과 감지 결과 최적화가 가능합니다.
- 광범위한 접근성: Gradio 웹 인터페이스는 누구나 액세스할 수 있으므로 데모, 교육 목적 및 빠른 실험을 위한 훌륭한 도구입니다.
Gradio 설치 방법
pip install gradio
인터페이스 사용 방법
- 이미지 업로드: '이미지 업로드'를 클릭하여 객체 감지를 위한 이미지 파일을 선택합니다.
- 파라미터 조정:
- 신뢰도 임계값: 객체 감지를 위한 최소 신뢰도 수준을 설정하는 슬라이더입니다.
- IoU 임계값: 서로 다른 객체를 구별하기 위한 IoU 임계값을 설정하는 슬라이더입니다.
- 결과 보기: 감지된 객체와 해당 레이블이 있는 처리된 이미지가 표시됩니다.
사용 사례 예시
- 샘플 이미지 1: 기본 임계값을 사용한 버스 감지.
- 샘플 이미지 2: 기본 임계값을 사용한 스포츠 이미지 감지.
사용 예시
이 섹션에서는 Ultralytics YOLO11 모델로 Gradio 인터페이스를 만드는 데 사용되는 python 코드를 제공합니다. 이 코드는 분류 작업, 감지 작업, 분할 작업 및 키포인트 작업을 지원합니다.
import gradio as gr
import PIL.Image as Image
from ultralytics import ASSETS, YOLO
model = YOLO("yolo11n.pt")
def predict_image(img, conf_threshold, iou_threshold):
"""Predicts objects in an image using a YOLO11 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 YOLO11n 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()
매개변수 설명
매개변수 이름 | 유형 | 설명 |
---|---|---|
img |
Image |
객체 감지가 수행될 이미지입니다. |
conf_threshold |
float |
객체 감지를 위한 신뢰도 임계값입니다. |
iou_threshold |
float |
객체 분리를 위한 Intersection-over-union 임계값입니다. |
Gradio 인터페이스 구성 요소
구성 요소 | 설명 |
---|---|
이미지 입력 | 감지를 위해 이미지를 업로드합니다. |
슬라이더 | 신뢰도 및 IoU 임계값을 조정합니다. |
이미지 출력 | 검출 결과를 표시합니다. |
FAQ
객체 탐지를 위해 Ultralytics YOLO11과 함께 Gradio를 어떻게 사용하나요?
객체 감지를 위해 Ultralytics YOLO11과 함께 Gradio를 사용하려면 다음 단계를 따르십시오.
- Gradio 설치: 다음 명령어를 사용하세요.
pip install gradio
. - 인터페이스 생성: python 스크립트를 작성하여 Gradio 인터페이스를 초기화합니다. 자세한 내용은 설명서에서 제공된 코드 예제를 참조하십시오.
- 업로드 및 조정: 이미지를 업로드하고 Gradio 인터페이스에서 신뢰도 및 IoU 임계값을 조정하여 실시간 객체 감지 결과를 얻으십시오.
다음은 참조용 최소 코드 스니펫입니다.
import gradio as gr
from ultralytics import YOLO
model = YOLO("yolo11n.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 YOLO11",
description="Upload images for YOLO11 object detection.",
)
iface.launch()
Ultralytics YOLO11 객체 감지에 Gradio를 사용할 때의 이점은 무엇인가요?
Ultralytics YOLO11 객체 감지에 Gradio를 사용하면 다음과 같은 여러 가지 이점이 있습니다.
- 사용자 친화적인 인터페이스: Gradio는 사용자가 코딩 작업 없이 이미지를 업로드하고 탐지 결과를 시각화할 수 있는 직관적인 인터페이스를 제공합니다.
- 실시간 조정: 신뢰도 및 IoU 임계값과 같은 감지 파라미터를 동적으로 조정하고 그 효과를 즉시 확인할 수 있습니다.
- 접근성: 웹 인터페이스는 누구나 액세스할 수 있으므로 빠른 실험, 교육 목적 및 데모에 유용합니다.
자세한 내용은 유사한 인터랙티브 시각화 기술을 보여주는 방사선학 분야의 AI에 대한 블로그 게시물을 참조하십시오.
교육 목적으로 Gradio와 Ultralytics YOLO11을 함께 사용할 수 있습니까?
예, Gradio와 Ultralytics YOLO11은 교육 목적으로 함께 효과적으로 활용될 수 있습니다. Gradio의 직관적인 웹 인터페이스를 통해 학생과 교육자는 고급 프로그래밍 기술 없이도 Ultralytics YOLO11과 같은 최첨단 딥러닝 모델과 쉽게 상호 작용할 수 있습니다. 이 설정은 객체 감지 및 컴퓨터 비전의 핵심 개념을 시연하는 데 이상적이며, Gradio는 다양한 매개변수가 감지 성능에 미치는 영향을 이해하는 데 도움이 되는 즉각적인 시각적 피드백을 제공합니다.
YOLO11용 Gradio 인터페이스에서 신뢰도 및 IoU 임계값을 어떻게 조정합니까?
YOLO11용 Gradio 인터페이스에서 제공된 슬라이더를 사용하여 신뢰도 및 IoU 임계값을 조정할 수 있습니다. 이러한 임계값은 예측 정확도 및 객체 분리를 제어하는 데 도움이 됩니다.
- 신뢰도 임계값: 객체 감지를 위한 최소 신뢰도 수준을 결정합니다. 슬라이드하여 필요한 신뢰도를 높이거나 낮춥니다.
- IoU 임계값: 겹치는 객체 간의 구분을 위한 교차-합집합 임계값을 설정합니다. 객체 분리를 개선하려면 이 값을 조정하십시오.
이러한 파라미터에 대한 자세한 내용은 파라미터 설명 섹션을 참조하십시오.
Gradio와 함께 Ultralytics YOLO11을 사용하는 실제 응용 분야는 무엇입니까?
Ultralytics YOLO11과 Gradio를 결합한 실제 응용 분야는 다음과 같습니다:
- 실시간 객체 감지 데모: 객체 감지가 실시간으로 작동하는 방식을 보여주는 데 적합합니다.
- 교육 도구: 객체 감지 및 컴퓨터 비전 개념을 가르치는 데 유용한 학술 환경입니다.
- 프로토타입 개발: 프로토타입 객체 감지 애플리케이션을 신속하게 개발하고 테스트하는 데 효율적입니다.
- 커뮤니티 및 협업: 피드백 및 협업을 위해 모델을 커뮤니티와 쉽게 공유할 수 있도록 합니다.
유사한 사용 사례의 예는 야생 동물 보존 노력을 향상시킬 수 있는 대화형 시각화를 보여주는 동물 행동 모니터링에 대한 Ultralytics 블로그를 확인하십시오.