Deteção interactiva de objectos: Gradio & Ultralytics YOLOv8 🚀

Introdução à deteção interactiva de objectos

Esta interface Gradio fornece uma forma fácil e interactiva de efetuar a deteção de objectos utilizando o Ultralytics YOLOv8 modelo. 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.

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 limites de 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. Carrega a imagem: Clica em "Carregar imagem" para escolher um ficheiro de imagem para a deteção de objectos.
2. Ajusta os parâmetros:
   • Limiar de confiança: Desliza para definir o nível mínimo de confiança para a deteção de objectos.
   • Limiar IoU: Desliza para definir o limiar de IoU para distinguir objectos diferentes.
3. Vê os resultados: A imagem processada com os objectos detectados e as respectivas etiquetas será apresentada.

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 YOLOv8 . 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("yolov8n.pt")


def predict_image(img, conf_threshold, iou_threshold):
    """Predicts and plots labeled objects in an image using 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()

Explicação dos parâmetros

Componentes da interface Gradio

Comentários