Link to this sectionИнтерактивное обнаружение объектов: Gradio и Ultralytics YOLO26 🚀#

Link to this sectionВведение в интерактивное обнаружение объектов#

Этот интерфейс Gradio предоставляет простой и интерактивный способ выполнения обнаружения объектов с использованием модели Ultralytics YOLO26. Пользователи могут загружать изображения и настраивать такие параметры, как порог достоверности (confidence threshold) и порог IoU (intersection-over-union), чтобы получать результаты обнаружения в режиме реального времени.

Link to this sectionЗачем использовать Gradio для обнаружения объектов?#

• Удобный интерфейс: Gradio предлагает простую платформу, где пользователи могут загружать изображения и визуализировать результаты обнаружения без необходимости программирования.
• Настройка в режиме реального времени: Параметры, такие как пороги достоверности и IoU, можно регулировать «на лету», что позволяет получать немедленную обратную связь и оптимизировать результаты обнаружения.
• Широкая доступность: Веб-интерфейс Gradio доступен каждому, что делает его отличным инструментом для демонстраций, образовательных целей и быстрых экспериментов.

Link to this sectionКак установить Gradio#

pip install gradio

Link to this sectionКак использовать интерфейс#

1. Загрузить изображение: Нажми «Upload Image», чтобы выбрать файл изображения для обнаружения объектов.
2. Настройка параметров:
   • Порог достоверности (Confidence Threshold): Ползунок для установки минимального уровня уверенности при обнаружении объектов.
   • Порог IoU (IoU Threshold): Ползунок для установки порога IoU, необходимого для различения разных объектов.
3. Просмотр результатов: Отобразится обработанное изображение с обнаруженными объектами и их метками.

Link to this sectionПримеры использования#

• Пример изображения 1: Обнаружение автобуса с пороговыми значениями по умолчанию.
• Пример изображения 2: Обнаружение объектов на спортивном фото с пороговыми значениями по умолчанию.

Link to this sectionПример 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, оценки позы и других задач YOLO, загрузив соответствующий контрольный чекпоинт модели.

import gradio as gr
import PIL.Image as 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()

Link to this sectionПояснение параметров#

Link to this sectionКомпоненты интерфейса Gradio#

Link to this sectionFAQ#

Link to this sectionКак использовать Gradio с Ultralytics YOLO26 для обнаружения объектов?#

Чтобы использовать Gradio с Ultralytics YOLO26 для обнаружения объектов, следуй этим шагам:

1. Установи Gradio: Используй команду pip install gradio.
2. Создай интерфейс: Напиши скрипт на Python для инициализации интерфейса Gradio. Подробности ты найдешь в примере кода в документации.
3. Загрузи и настрой: Загрузи изображение и отрегулируй пороги достоверности и IoU в интерфейсе Gradio, чтобы получить результаты обнаружения в режиме реального 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()

Link to this sectionКаковы преимущества использования Gradio для обнаружения объектов с помощью Ultralytics YOLO26?#

Использование Gradio для обнаружения объектов с помощью Ultralytics YOLO26 дает ряд преимуществ:

• Удобный интерфейс: Gradio предоставляет интуитивно понятный интерфейс для загрузки изображений и визуализации результатов обнаружения без необходимости написания кода.
• Настройка в режиме реального времени: Ты можешь динамически регулировать параметры обнаружения, такие как пороги достоверности и IoU, и видеть результаты мгновенно.
• Доступность: Веб-интерфейс доступен всем, что делает его полезным для быстрых экспериментов, образовательных целей и демонстраций.

Более подробную информацию ты можешь прочитать в этом блоге об ИИ в радиологии, где демонстрируются схожие методы интерактивной визуализации.

Link to this sectionМогу ли я использовать Gradio и Ultralytics YOLO26 вместе в образовательных целях?#

Да, Gradio и Ultralytics YOLO26 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 YOLO26, не обладая навыками продвинутого программирования. Эта настройка 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 производительность обнаружения.

Link to this sectionКак настроить пороги достоверности и IoU в интерфейсе Gradio для YOLO26?#

В интерфейсе Gradio для YOLO26 ты можешь настроить пороги достоверности и IoU с помощью представленных ползунков. Эти пороги помогают контролировать точность предсказаний и разделение объектов:

• Порог достоверности (Confidence Threshold): Определяет минимальный уровень уверенности для обнаружения объектов. Передвигай ползунок, чтобы увеличить или уменьшить требуемую уверенность.
• Порог IoU (IoU Threshold): Устанавливает порог IoU для различения перекрывающихся объектов. Настраивай это значение для уточнения разделения объектов.

Для получения дополнительной информации об этих параметрах посети раздел пояснения параметров.

Link to this sectionКаковы практические применения использования Ultralytics YOLO26 с Gradio?#

Практические применения сочетания Ultralytics YOLO26 и Gradio включают:

• Демонстрации обнаружения объектов в режиме реального времени: Идеально подходит для показа того, как работает обнаружение объектов в реальном времени.
• Образовательные инструменты: Полезно в академических условиях для обучения концепциям обнаружения объектов и компьютерного зрения.
• Разработка прототипов: Эффективно для быстрой разработки и тестирования прототипов приложений для обнаружения объектов.
• Сообщество и сотрудничество: Упрощает обмен моделями с сообществом для получения отзывов и совместной работы.

Примеры схожих сценариев использования можно найти в блоге Ultralytics о мониторинге поведения животных, который демонстрирует, как интерактивная визуализация может способствовать усилиям по сохранению дикой природы.