대화형 객체 감지: Gradio & Ultralytics YOLOv8 🚀

대화형 객체 감지 소개

이 Gradio 인터페이스는 모델을 사용하여 객체 감지를 수행할 수 있는 손쉬운 대화형 방법을 제공합니다. Ultralytics YOLOv8 모델을 사용하여 물체 감지를 수행할 수 있습니다. 사용자는 이미지를 업로드하고 신뢰도 임계값 및 교차점 간 결합(IoU) 임계값과 같은 매개변수를 조정하여 실시간 감지 결과를 얻을 수 있습니다.

Watch: 다음과의 라디오 통합 Ultralytics YOLOv8

물체 감지에 Gradio를 사용하는 이유는 무엇인가요?

• 사용자 친화적인 인터페이스: Gradio는 사용자가 코딩 없이도 이미지를 업로드하고 탐지 결과를 시각화할 수 있는 간단한 플랫폼을 제공합니다.
• 실시간 조정: 신뢰도 및 IoU 임계값과 같은 매개변수를 즉시 조정할 수 있어 탐지 결과에 대한 즉각적인 피드백 및 최적화가 가능합니다.
• 폭넓은 접근성: Gradio 웹 인터페이스는 누구나 액세스할 수 있어 데모, 교육 목적 및 빠른 실험을 위한 훌륭한 도구입니다.

라디오 설치 방법

pip install gradio

인터페이스 사용 방법

1. 이미지 업로드: '이미지 업로드'를 클릭하여 객체 감지를 위한 이미지 파일을 선택합니다.
2. 매개변수를 조정합니다:
   • 신뢰도 임계값: 객체 감지를 위한 최소 신뢰 수준을 설정하는 슬라이더입니다.
   • IoU 임계값: 다른 객체를 구분하기 위한 IoU 임계값을 설정하는 슬라이더입니다.
3. 결과 보기: 감지된 개체와 해당 레이블이 포함된 처리된 이미지가 표시됩니다.

사용 사례 예시

• 샘플 이미지 1: 기본 임계값을 사용한 버스 감지.
• 샘플 이미지 2: 기본 임계값을 사용한 스포츠 이미지에서의 감지.

사용 예

이 섹션에서는 Ultralytics YOLOv8 모델을 사용하여 Gradio 인터페이스를 만드는 데 사용되는 Python 코드를 제공합니다. 분류 작업, 탐지 작업, 세분화 작업 및 키 포인트 작업을 지원합니다.

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()

매개변수 설명

라디오 인터페이스 구성 요소

자주 묻는 질문

물체 감지를 위해 Gradio를 Ultralytics YOLOv8 과 함께 사용하려면 어떻게 해야 하나요?

Gradio를 Ultralytics YOLOv8 객체 감지와 함께 사용하려면 다음 단계를 따르세요:

1. Gradio를 설치합니다: 다음 명령을 사용합니다. pip install gradio.
2. 인터페이스 생성: Python 스크립트를 작성하여 Gradio 인터페이스를 초기화합니다. 자세한 내용은 문서에서 제공된 코드 예제를 참조하세요.
3. 업로드 및 조정: 이미지를 업로드하고 Gradio 인터페이스에서 신뢰도 및 IoU 임계값을 조정하여 실시간 물체 감지 결과를 얻으세요.

다음은 참고할 수 있는 최소한의 코드 스니펫입니다:

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()

Ultralytics YOLOv8 객체 감지에 Gradio를 사용하면 어떤 이점이 있나요?

Ultralytics YOLOv8 객체 감지를 위해 Gradio를 사용하면 몇 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 탐지 매개변수를 동적으로 조정하고 그 효과를 즉시 확인할 수 있습니다.
• 접근성: 웹 인터페이스는 누구나 액세스할 수 있어 빠른 실험, 교육 목적 및 데모에 유용합니다.

자세한 내용은 이 블로그 게시물에서 확인할 수 있습니다.

교육 목적으로 Gradio와 Ultralytics YOLOv8 을 함께 사용할 수 있나요?

예, Gradio와 Ultralytics YOLOv8 을 함께 사용하면 교육 목적으로 효과적으로 활용할 수 있습니다. Gradio의 직관적인 웹 인터페이스를 통해 학생과 교육자는 고급 프로그래밍 기술 없이도 Ultralytics YOLOv8 같은 최첨단 딥러닝 모델과 쉽게 상호 작용할 수 있습니다. 이 설정은 다양한 매개변수가 감지 성능에 미치는 영향을 이해하는 데 도움이 되는 즉각적인 시각적 피드백을 제공하기 때문에 물체 감지 및 컴퓨터 비전의 주요 개념을 시연하는 데 이상적입니다.

YOLOv8 에 대한 Gradio 인터페이스에서 신뢰도 및 IoU 임계값을 조정하려면 어떻게 해야 하나요?

YOLOv8 의 Gradio 인터페이스에서 제공된 슬라이더를 사용하여 신뢰도 및 IoU 임계값을 조정할 수 있습니다. 이러한 임계값은 예측 정확도와 객체 분리를 제어하는 데 도움이 됩니다:

• 신뢰도 임계값: 물체 감지를 위한 최소 신뢰 수준을 결정합니다. 슬라이드하여 필요한 신뢰도를 높이거나 낮춥니다.
• IoU 임계값: 겹치는 개체를 구분하기 위한 교집합 임계값을 설정합니다. 이 값을 조정하여 개체 분리를 세분화할 수 있습니다.

이러한 매개변수에 대한 자세한 내용은 매개변수 설명 섹션을 참조하세요.

Gradio와 함께 Ultralytics YOLOv8 을 사용하면 어떤 실용적인 용도로 사용할 수 있나요?

Ultralytics YOLOv8 과 Gradio를 결합한 실제 적용 사례는 다음과 같습니다:

• 실시간 오브젝트 감지 데모: 객체 감지가 실시간으로 어떻게 작동하는지 보여주는 데 이상적입니다.
• 교육용 도구: 교육 환경에서 물체 감지 및 컴퓨터 비전 개념을 가르치는 데 유용합니다.
• 프로토타입 개발: 프로토타입 객체 감지 애플리케이션을 빠르게 개발하고 테스트하는 데 효율적입니다.
• 커뮤니티 및 공동 작업: 피드백 및 협업을 위해 커뮤니티와 모델을 쉽게 공유할 수 있습니다.

유사한 사용 사례의 예는 Ultralytics 블로그를 참조하세요.

이 정보를 문서에 제공하면 Ultralytics YOLOv8 의 사용성과 접근성을 향상시켜 모든 수준의 사용자가 보다 쉽게 접근할 수 있도록 하는 데 도움이 됩니다.

댓글