Интерактивное обнаружение объектов: Gradio & Ultralytics YOLO11 🚀
Введение в интерактивное обнаружение объектов
Этот интерфейс Gradio обеспечивает простой и интерактивный способ обнаружения объектов с помощью Ultralytics YOLO11 модель. Пользователи могут загружать изображения и настраивать такие параметры, как порог уверенности и порог пересечения-пересечения (IoU), чтобы получать результаты обнаружения в режиме реального времени.
Смотреть: Интеграция Gradio с Ultralytics YOLO11
Почему стоит использовать Gradio для обнаружения объектов?
- Удобный интерфейс: Gradio предлагает пользователям простую платформу для загрузки изображений и визуализации результатов обнаружения без необходимости кодирования.
- Корректировка в режиме реального времени: Такие параметры, как пороги уверенности и IoU, можно корректировать "на лету", что обеспечивает мгновенную обратную связь и оптимизацию результатов обнаружения.
- Широкая доступность: Доступ к веб-интерфейсу Gradio может получить любой желающий, что делает его отличным инструментом для демонстраций, образовательных целей и быстрых экспериментов.
Как установить Gradio
Как пользоваться интерфейсом
- Загрузить изображение: Нажмите на кнопку "Загрузить изображение", чтобы выбрать файл изображения для обнаружения объекта.
- Настройка параметров:
- Порог уверенности: Ползунок для установки минимального уровня доверия при обнаружении объектов.
- Порог IoU: Ползунок для установки порога IoU для различения различных объектов.
- Просмотр результатов: Отобразится обработанное изображение с обнаруженными объектами и их метками.
Примеры использования
- Образец изображения 1: обнаружение автобуса с пороговыми значениями по умолчанию.
- Образец изображения 2: обнаружение на спортивном изображении с пороговыми значениями по умолчанию.
Пример использования
В этом разделе представлен код на Python , используемый для создания интерфейса Gradio с моделью Ultralytics YOLO11 . Код поддерживает задачи классификации, обнаружения, сегментации и ключевых точек.
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()
Параметры Объяснение
| Имя параметра | Тип | Описание |
|---|---|---|
img |
Image |
Изображение, на котором будет выполняться обнаружение объектов. |
conf_threshold |
float |
Порог доверия для обнаружения объектов. |
iou_threshold |
float |
Порог пересечения-пересечения для разделения объектов. |
Компоненты интерфейса Gradio
| Компонент | Описание |
|---|---|
| Ввод изображения | Чтобы загрузить изображение для обнаружения. |
| Слайдеры | Настройка порогов уверенности и IoU. |
| Вывод изображения | Чтобы отобразить результаты обнаружения. |
ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ
Как использовать Gradio с Ultralytics YOLO11 для обнаружения объектов?
Чтобы использовать Gradio с Ultralytics YOLO11 для обнаружения объектов, выполните следующие действия:
- Установите Gradio: Используйте команду
pip install gradio. - Создайте интерфейс: Напишите скрипт Python для инициализации интерфейса Gradio. Для получения подробной информации вы можете обратиться к предоставленному примеру кода в документации.
- Загружайте и настраивайте: Загрузите изображение и настройте пороги уверенности и IoU в интерфейсе Gradio, чтобы получить результаты обнаружения объектов в режиме реального времени.
Вот минимальный фрагмент кода для справки:
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()
В чем преимущества использования Gradio для обнаружения объектов на сайте Ultralytics YOLO11 ?
Использование Gradio для обнаружения объектов Ultralytics YOLO11 дает несколько преимуществ:
- Удобный интерфейс: Gradio предоставляет пользователям интуитивно понятный интерфейс для загрузки изображений и визуализации результатов обнаружения без каких-либо усилий по кодированию.
- Корректировки в режиме реального времени: Вы можете динамически настраивать параметры обнаружения, такие как пороги уверенности и IoU, и сразу же видеть эффект.
- Доступность: Веб-интерфейс доступен для всех, что делает его полезным для быстрых экспериментов, образовательных целей и демонстраций.
Для получения более подробной информации вы можете прочитать эту статью в блоге об искусственном интеллекте в радиологии, в которой показаны похожие интерактивные методы визуализации.
Могу ли я использовать Gradio и Ultralytics YOLO11 вместе в образовательных целях?
Да, Gradio и Ultralytics YOLO11 можно эффективно использовать вместе в образовательных целях. Интуитивно понятный веб-интерфейс Gradio позволяет студентам и преподавателям легко взаимодействовать с современными моделями глубокого обучения, такими как Ultralytics YOLO11 , не имея навыков программирования. Эта установка идеально подходит для демонстрации ключевых концепций в области обнаружения объектов и компьютерного зрения, поскольку Gradio обеспечивает немедленную визуальную обратную связь, которая помогает понять влияние различных параметров на эффективность обнаружения.
Как настроить пороги уверенности и IoU в интерфейсе Gradio для YOLO11?
В интерфейсе Gradio для YOLO11 можно настроить пороги уверенности и IoU с помощью ползунков. Эти пороги помогают контролировать точность предсказания и разделение объектов:
- Порог уверенности: Определяет минимальный уровень уверенности для обнаружения объектов. Сдвиньте, чтобы увеличить или уменьшить требуемый уровень уверенности.
- Порог IoU: Устанавливает порог пересечения-объединения для различения перекрывающихся объектов. Настройте это значение для более точного разделения объектов.
Более подробную информацию об этих параметрах можно найти в разделе объяснения параметров.
Каковы некоторые практические применения использования Ultralytics YOLO11 с Gradio?
Практическое применение сочетания Ultralytics YOLO11 с Gradio включает в себя:
- Демонстрации обнаружения объектов в реальном времени: Идеально подходит для демонстрации работы функции обнаружения объектов в режиме реального времени.
- Образовательные инструменты: Используется в учебных заведениях для обучения обнаружению объектов и концепциям компьютерного зрения.
- Разработка прототипов: Эффективна для быстрой разработки и тестирования прототипов приложений для обнаружения объектов.
- Сообщество и сотрудничество: Удобство обмена моделями с сообществом для получения отзывов и совместной работы.
В качестве примера подобных примеров использования можно привести блогUltralytics , посвященный мониторингу поведения животных, в котором показано, как интерактивная визуализация может способствовать сохранению дикой природы.
