Deteção interactiva de objectos: Gradio & Ultralytics YOLO11 🚀

Introdução à deteção interactiva de objectos

Esta interface Gradio proporciona uma forma fácil e interactiva de efetuar a deteção de objectos utilizando o Ultralytics YOLO11 da Ultralytics. Os utilizadores podem carregar imagens e ajustar parâmetros como o limiar de confiança e o limiar de intersecção-sobre-união (IoU) para obter resultados de deteção em tempo real.

Ver: Integração da Gradio com Ultralytics YOLO11

Porquê utilizar o Gradio para a deteção de objectos?

• Interface amigável: O Gradio oferece uma plataforma simples para os utilizadores carregarem imagens e visualizarem os resultados da deteção sem qualquer requisito de codificação.
• Ajustes em tempo real: Parâmetros como a confiança e os limiares IoU podem ser ajustados em tempo real, permitindo um feedback imediato e a otimização dos resultados da deteção.
• Ampla acessibilidade: A interface Web do Gradio pode ser acedida por qualquer pessoa, o que a torna uma excelente ferramenta para demonstrações, fins educativos e experiências rápidas.

Como instalar o Gradio

pip install gradio

Como utilizar a interface

1. Carregar imagem: Clique em "Upload Image" (Carregar imagem) para escolher um ficheiro de imagem para a deteção de objectos.
2. Ajustar parâmetros:
   • Limiar de confiança: Deslizador para definir o nível mínimo de confiança para a deteção de objectos.
   • Limiar IoU: Controlo deslizante para definir o limiar de IoU para distinguir diferentes objectos.
3. Ver resultados: Será apresentada a imagem processada com os objectos detectados e as respectivas etiquetas.

Exemplos de casos de utilização

• Imagem de exemplo 1: Deteção de autocarros com limiares predefinidos.
• Imagem de amostra 2: Deteção de uma imagem de desporto com limiares predefinidos.

Exemplo de utilização

Esta secção fornece o código Python utilizado para criar a interface Gradio com o modelo Ultralytics YOLO11 . O código suporta tarefas de classificação, tarefas de deteção, tarefas de segmentação e tarefas de pontos-chave.

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()

Explicação dos parâmetros

Componentes da interface Gradio

FAQ

Como posso utilizar o Gradio com Ultralytics YOLO11 para a deteção de objectos?

Para utilizar o Gradio com Ultralytics YOLO11 para deteção de objectos, pode seguir estes passos:

1. Instalar o Gradio: Utilizar o comando pip install gradio.
2. Criar interface: Escreva um script Python para inicializar a interface do Gradio. Você pode consultar o exemplo de código fornecido na documentação para obter detalhes.
3. Carregar e ajustar: Carregue a sua imagem e ajuste os limites de confiança e IoU na interface Gradio para obter resultados de deteção de objectos em tempo real.

Aqui está um trecho de código mínimo para referência:

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()

Quais são as vantagens de utilizar o Gradio para Ultralytics YOLO11 deteção de objectos?

A utilização do Gradio para Ultralytics YOLO11 deteção de objectos oferece várias vantagens:

• Interface amigável: O Gradio fornece uma interface intuitiva para os utilizadores carregarem imagens e visualizarem os resultados da deteção sem qualquer esforço de codificação.
• Ajustes em tempo real: Pode ajustar dinamicamente os parâmetros de deteção, como os limites de confiança e IoU, e ver os efeitos imediatamente.
• Acessibilidade: A interface Web é acessível a qualquer pessoa, o que a torna útil para experiências rápidas, fins educativos e demonstrações.

Para mais informações, pode ler esta publicação do blogue sobre IA em radiologia que apresenta técnicas de visualização interactiva semelhantes.

Posso utilizar o Gradio e o Ultralytics YOLO11 em conjunto para fins educativos?

Sim, o Gradio e Ultralytics YOLO11 podem ser utilizados em conjunto para fins educativos de forma eficaz. A interface Web intuitiva do Gradio facilita a interação de estudantes e educadores com modelos de aprendizagem profunda de última geração, como Ultralytics YOLO11 , sem necessidade de competências de programação avançadas. Esta configuração é ideal para demonstrar conceitos-chave na deteção de objectos e visão computacional, uma vez que o Gradio fornece feedback visual imediato que ajuda a compreender o impacto de diferentes parâmetros no desempenho da deteção.

Como é que ajusto os limiares de confiança e IoU na interface Gradio para YOLO11?

Na interface do Gradio para YOLO11, pode ajustar os limites de confiança e IoU utilizando os selectores fornecidos. Estes limites ajudam a controlar a precisão da previsão e a separação de objectos:

• Limiar de confiança: Determina o nível mínimo de confiança para a deteção de objectos. Deslize para aumentar ou diminuir a confiança necessária.
• Limiar IoU: Define o limiar de intersecção-sobre-união para distinguir entre objectos sobrepostos. Ajuste este valor para refinar a separação de objectos.

Para mais informações sobre estes parâmetros, consultar a secção de explicação dos parâmetros.

Quais são algumas das aplicações práticas da utilização do Ultralytics YOLO11 com o Gradio?

As aplicações práticas da combinação de Ultralytics YOLO11 com Gradio incluem:

• Demonstrações de deteção de objectos em tempo real: Ideal para mostrar como funciona a deteção de objectos em tempo real.
• Ferramentas educativas: Útil em ambientes académicos para ensinar conceitos de deteção de objectos e visão por computador.
• Desenvolvimento de protótipos: Eficiente para desenvolver e testar rapidamente protótipos de aplicações de deteção de objectos.
• Comunidade e colaborações: Facilitar a partilha de modelos com a comunidade para feedback e colaboração.

Para exemplos de casos de utilização semelhantes, consulte o blogueUltralytics sobre a monitorização do comportamento animal, que demonstra como a visualização interactiva pode melhorar os esforços de conservação da vida selvagem.

📅C riado há 1 ano ✏️ Atualizado há 7 dias

Comentários