Ultralytics YOLO27:

Интерактивное обнаружение объектов: Gradio и Ultralytics YOLO26#

Введение в интерактивное обнаружение объектов#

Этот интерфейс Gradio предоставляет простой и интерактивный способ выполнять обнаружение объектов с помощью модели Ultralytics YOLO26. Ты можешь загружать изображения и настраивать такие параметры, как порог уверенности и порог пересечения над объединением (IoU), чтобы получать результаты обнаружения в реальном времени.



Watch: Deploy Ultralytics YOLO26 in a Browser with Gradio | Complete Tutorial | Vision AI 🌐

Зачем использовать Gradio для обнаружения объектов?#

  • Удобный интерфейс: Gradio предоставляет понятную платформу, в которой можно загружать изображения и просматривать результаты обнаружения без навыков программирования.
  • Настройка в реальном времени: Такие параметры, как пороги уверенности и IoU, можно изменять на лету, получая немедленную обратную связь и оптимизируя результаты обнаружения.
  • Широкая доступность: Веб-интерфейс Gradio доступен всем, что делает его отличным инструментом для демонстраций, образовательных задач и быстрых экспериментов.

Gradio YOLO detection interface

Как установить Gradio#

pip install gradio

Как использовать интерфейс#

  1. Загрузка изображения: Нажми «Upload Image», чтобы выбрать файл изображения для обнаружения объектов.
  2. Настройка параметров:
    • Порог уверенности: Ползунок для задания минимального уровня уверенности при обнаружении объектов.
    • Порог IoU: Ползунок для задания порога IoU, используемого для различения объектов.
  3. Просмотр результатов: На экране отобразится обработанное изображение с обнаруженными объектами и их метками.

Примеры использования#

  • Пример изображения 1: Обнаружение автобуса с порогами по умолчанию.
  • Пример изображения 2: Обнаружение объектов на спортивном изображении с порогами по умолчанию.

Пример использования#

В этом разделе представлен код на Python, используемый для создания интерфейса Gradio для обнаружения объектов с помощью Ultralytics YOLO26. Пример можно адаптировать для классификации, сегментации экземпляров, определения позы и других задач YOLO, загрузив соответствующий чекпойнт модели.

import gradio as gr
from PIL import 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()

Описание параметров#

Название параметраТипОписание
imgImageИзображение, на котором будет выполняться обнаружение объектов.
conf_thresholdfloatПорог уверенности при обнаружении объектов.
iou_thresholdfloatПорог пересечения над объединением для разделения объектов.

Компоненты интерфейса Gradio#

КомпонентОписание
Ввод изображенияДля загрузки изображения, на котором будет выполняться обнаружение.
ПолзункиДля настройки порогов уверенности и IoU.
Вывод изображенияДля отображения результатов обнаружения.

Часто задаваемые вопросы#

  • Чтобы использовать Gradio с Ultralytics YOLO26 для обнаружения объектов, выполни следующие шаги:

    1. Установи Gradio: Используй команду pip install gradio.
    2. Создай интерфейс: Напиши скрипт на Python для инициализации интерфейса Gradio. Подробности можно найти в приведённом примере кода в документации.
    3. Загрузи изображение и настрой параметры: Загрузи изображение и настрой пороги уверенности и IoU в интерфейсе Gradio, чтобы получать результаты обнаружения объектов в реальном времени.

    Вот минимальный фрагмент кода для справки:

    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()

  • Использование Gradio для обнаружения объектов с помощью Ultralytics YOLO26 даёт несколько преимуществ:

    • Удобный интерфейс: Gradio предоставляет интуитивно понятный интерфейс, в котором можно загружать изображения и просматривать результаты обнаружения без программирования.
    • Настройка в реальном времени: Ты можешь динамически изменять такие параметры обнаружения, как пороги уверенности и IoU, и сразу видеть результат.
    • Доступность: Веб-интерфейс доступен всем, поэтому он удобен для быстрых экспериментов, образовательных задач и демонстраций.

    Подробнее можно узнать в этой статье в блоге об ИИ в радиологии, где демонстрируются похожие методы интерактивной визуализации.

  • Да, Gradio и Ultralytics YOLO26 можно эффективно использовать вместе в образовательных целях. Интуитивно понятный веб-интерфейс Gradio позволяет студентам и преподавателям работать с современными моделями глубокого обучения, такими как Ultralytics YOLO26, без продвинутых навыков программирования. Такая конфигурация идеально подходит для демонстрации ключевых концепций обнаружения объектов и компьютерного зрения, поскольку Gradio обеспечивает мгновенную визуальную обратную связь, помогающую понять влияние различных параметров на эффективность обнаружения.

  • В интерфейсе Gradio для YOLO26 можно настроить пороги уверенности и IoU с помощью предусмотренных ползунков. Эти пороги помогают управлять точностью предсказаний и разделением объектов:

    • Порог уверенности: Определяет минимальный уровень уверенности при обнаружении объектов. Перемещай ползунок, чтобы увеличить или уменьшить требуемую уверенность.
    • Порог IoU: Задаёт порог пересечения над объединением для различения перекрывающихся объектов. Измени это значение, чтобы уточнить разделение объектов.

    Подробнее об этих параметрах см. в разделе с описанием параметров.

  • К практическим применениям совместного использования Ultralytics YOLO26 и Gradio относятся:

    • Демонстрации обнаружения объектов в реальном времени: Идеально подходят для показа принципов работы обнаружения объектов в реальном времени.
    • Образовательные инструменты: Полезны в учебных заведениях для преподавания концепций обнаружения объектов и компьютерного зрения.
    • Разработка прототипов: Позволяет быстро и эффективно разрабатывать и тестировать прототипы приложений для обнаружения объектов.
    • Сообщество и сотрудничество: Упрощает обмен моделями с сообществом для получения отзывов и совместной работы.

    Примеры похожих вариантов использования см. в статье в блоге Ultralytics о мониторинге поведения животных, где показано, как интерактивная визуализация может способствовать охране дикой природы.

Участники
GLglenn-jocher16RIRizwanMunawar4RAraimbekovm1AMambitious-octopus1IVIvorZhu3311

Комментарии