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. Ты можешь загружать изображения и настраивать такие параметры, как порог достоверности и порог пересечения над объединением (IoU), чтобы получать результаты обнаружения в реальном времени.

Link to this sectionПочему стоит использовать Gradio для обнаружения объектов?#

• Удобный интерфейс: Gradio предлагает простую платформу для загрузки изображений и визуализации результатов обнаружения без необходимости написания кода.
• Настройка в реальном времени: Такие параметры, как пороги достоверности и IoU, можно изменять на лету, что позволяет получать мгновенную 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 пользоваться интерфейсом#

1. Загрузка изображения: Нажми на '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 для разделения различных объектов.
3. Просмотр результатов: Будет отображено обработанное изображение с обнаруженными объектами и их метками.

Link to this sectionПримеры использования#

• Пример изображения 1: Обнаружение автобуса с настройками по умолчанию.
• Пример изображения 2: Обнаружение на спортивном снимке с настройками 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 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 sectionПояснения к параметрам#

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, 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 примере кода в документации.
3. Загрузи и настрой: Загрузи изображение и отрегулируй пороги достоверности и IoU в интерфейсе Gradio, чтобы получить результаты обнаружения 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()

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

Использование Gradio для обнаружения объектов Ultralytics YOLO26 дает несколько преимуществ:

• Удобный интерфейс: Gradio предоставляет интуитивно понятный интерфейс, позволяющий загружать изображения и визуализировать результаты обнаружения без каких-либо усилий по программированию.
• Настройка в реальном времени: Ты можешь динамически регулировать параметры обнаружения, такие как пороги достоверности и IoU, и немедленно видеть эффект.
• Доступность: Веб-интерфейс доступен каждому, что делает его полезным для быстрых экспериментов, образовательных целей и демонстраций.

Для получения дополнительной информации можешь прочитать блог о ИИ в радиологии, где показаны похожие методы интерактивной визуализации.

Link to this sectionМожно ли 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 передовыми моделями глубокого обучения, такими как Ultralytics YOLO26, не обладая продвинутыми навыками программирования. Эта настройка идеально подходит для демонстрации ключевых концепций обнаружения объектов и компьютерного зрения, так как Gradio обеспечивает немедленную визуальную обратную связь, что помогает понять влияние различных параметров на эффективность 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 предоставленных ползунков. Эти пороги помогают контролировать точность предсказаний и разделение объектов:

• Порог достоверности: Определяет минимальный уровень уверенности для обнаружения объектов. Перемещай ползунок, чтобы увеличить или уменьшить требуемую достоверность.
• Порог IoU: Устанавливает порог пересечения над объединением для различения перекрывающихся объектов. Настрой это значение, чтобы улучшить разделение объектов.

Для получения дополнительной информации об этих параметрах посети раздел с пояснениями к параметрам.

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

Практические применения сочетания Ultralytics YOLO26 с Gradio включают:

• Демонстрации обнаружения объектов в реальном времени: Идеально подходит для показа того, как работает обнаружение объектов в реальном времени.
• Образовательные инструменты: Полезно в академической среде 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 подобных сценариев использования можно найти в блоге Ultralytics о мониторинге поведения животных, где показано, как интерактивная визуализация может улучшить усилия по сохранению дикой природы.