Skip to content

Интерактивное обнаружение объектов: Gradio и Ultralytics YOLO11 🚀

Введение в интерактивное обнаружение объектов

Этот интерфейс Gradio предоставляет простой и интерактивный способ выполнения обнаружения объектов с использованием модели Ultralytics YOLO11. Пользователи могут загружать изображения и настраивать такие параметры, как порог уверенности и порог пересечения-объединения (IoU), чтобы получать результаты обнаружения в реальном времени.



Смотреть: Интеграция Gradio с Ultralytics YOLO11

Зачем использовать Gradio для обнаружения объектов?

  • Удобный интерфейс: Gradio предлагает простую платформу для пользователей, позволяющую загружать изображения и визуализировать результаты обнаружения без каких-либо требований к кодированию.
  • Настройки в реальном времени: Такие параметры, как пороги уверенности и IoU, можно регулировать на лету, что позволяет немедленно получать 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.

Скриншот примера Gradio

Как установить Gradio

pip install gradio

Как использовать интерфейс

  1. Загрузка изображения: Нажмите «Загрузить изображение», чтобы выбрать файл изображения для обнаружения объектов.
  2. Настройка параметров:
    • Порог уверенности: Ползунок для установки минимального уровня уверенности для обнаружения объектов.
    • Порог IoU: Ползунок для установки порога IoU для различения разных объектов.
  3. Просмотр результатов: Обработанное изображение с обнаруженными объектами и их метками будет отображено.

Примеры вариантов использования

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

Пример использования

В этом разделе представлен код на языке python, используемый для создания интерфейса Gradio с моделью Ultralytics YOLO11. Код поддерживает задачи классификации, задачи обнаружения, задачи сегментации и задачи определения 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()

Объяснение параметров

Имя параметра Тип Описание
img Image Изображение, на котором будет выполняться обнаружение объектов.
conf_threshold float Порог достоверности для обнаружения объектов.
iou_threshold float Порог Intersection-over-union для разделения объектов.

Компоненты интерфейса Gradio

Компонент Описание
Ввод изображения Чтобы загрузить изображение для обнаружения.
Ползунки Для настройки 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, вы можете выполнить следующие действия:

  1. Установите Gradio: Используйте команду pip install gradio.
  2. Создать интерфейс: Напишите python-скрипт для инициализации интерфейса Gradio. Подробную информацию можно найти в примере кода, представленном в документации.
  3. Загрузка и настройка: Загрузите изображение и настройте пороги уверенности и IoU в интерфейсе Gradio для получения результатов обнаружения объектов в реальном 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()

Каковы преимущества использования Gradio для обнаружения объектов Ultralytics YOLO11?

Использование Gradio для обнаружения объектов Ultralytics YOLO11 предоставляет несколько преимуществ:

  • Удобный интерфейс: Gradio предоставляет интуитивно понятный интерфейс для пользователей, позволяющий загружать изображения и визуализировать результаты обнаружения без каких-либо усилий по кодированию.
  • Настройки в реальном времени: Вы можете динамически настраивать параметры обнаружения, такие как пороги уверенности и IoU, и сразу же видеть результаты.
  • Доступность: Веб-интерфейс доступен любому пользователю, что делает его полезным для быстрых экспериментов, образовательных целей и демонстраций.

Для получения более подробной информации вы можете прочитать эту статью в блоге об ИИ в радиологии, в которой демонстрируются аналогичные методы интерактивной 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 взаимодействовать с современными моделями глубокого обучения, такими как Ultralytics YOLO11, без необходимости обладать продвинутыми навыками программирования. Эта настройка идеально подходит для демонстрации ключевых концепций в обнаружении объектов и компьютерном зрении, поскольку Gradio обеспечивает немедленную визуальную обратную связь, которая помогает понять влияние различных параметров на производительность обнаружения.

Как настроить пороги уверенности и IoU в интерфейсе Gradio для YOLO11?

В интерфейсе Gradio для YOLO11 вы можете настроить пороги уверенности и IoU с помощью предоставленных ползунков. Эти пороги помогают контролировать точность прогнозирования и разделение объектов:

  • Порог уверенности: Определяет минимальный уровень уверенности для обнаружения объектов. Передвиньте, чтобы увеличить или уменьшить требуемую уверенность.
  • Порог IoU: Устанавливает порог intersection-over-union для различения перекрывающихся объектов. Отрегулируйте это значение, чтобы уточнить разделение объектов.

Для получения дополнительной информации об этих параметрах посетите раздел с объяснением параметров.

Каковы некоторые практические применения использования Ultralytics YOLO11 с Gradio?

Практическое применение комбинации Ultralytics YOLO11 с Gradio включает в себя:

  • Демонстрации обнаружения объектов в реальном времени: Идеально подходят для демонстрации того, как работает обнаружение объектов в реальном времени.
  • Образовательные инструменты: Полезно в академической среде для обучения обнаружению объектов и концепциям компьютерного зрения.
  • Разработка прототипов: Эффективен для быстрой разработки и тестирования прототипов приложений обнаружения объектов.
  • Сообщество и сотрудничество: Упрощение обмена моделями с сообществом для получения отзывов и сотрудничества.

Примеры аналогичных вариантов использования можно найти в блоге Ultralytics о мониторинге поведения животных, в котором показано, как интерактивная визуализация может улучшить усилия по сохранению дикой природы.



📅 Создано 1 год назад ✏️ Обновлено 5 месяцев назад

Комментарии