Интерактивное обнаружение объектов: Gradio и Ultralytics YOLO26 🚀#
Введение 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 и порог пересечения по объединению (IoU), чтобы получать результаты обнаружения в реальном времени.
Watch: Deploy Ultralytics YOLO26 in a Browser with Gradio | Complete Tutorial | Vision AI 🌐
Почему 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.
Как установить Gradio#
pip install gradioКак пользоваться интерфейсом#
- Загрузка изображения: Нажми на 'Upload Image', чтобы выбрать файл изображения для обнаружения объектов.
- 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.
- Просмотр результатов: Будет отображено обработанное изображение с обнаруженными объектами и их метками.
Примеры использования#
- Пример изображения 1: Обнаружение автобуса с настройками по умолчанию.
- Пример изображения 2: Обнаружение на спортивном снимке с настройками 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, оценки позы и других задач YOLO, загрузив соответствующий чекпоинт 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()Пояснения к параметрам#
| 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 пересечения над объединением для разделения объектов. |
Компоненты интерфейса Gradio#
| Компонент | Описание |
|---|---|
| Ввод изображения | Для загрузки изображения для обнаружения. |
| Ползунки | Для настройки порогов достоверности и IoU. |
| Вывод изображения | Для отображения результатов обнаружения. |
FAQ#
Чтобы использовать Gradio с Ultralytics YOLO26 для обнаружения объектов, выполни следующие шаги:
- Установи Gradio: Используй команду
pip install gradio. - Создай интерфейс: Напиши скрипт на Python для инициализации интерфейса Gradio. Подробности ты можешь найти в примере кода в документации.
- 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()- Установи Gradio: Используй команду
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 ты можешь прочитать эту статью в блоге об искусственном интеллекте в радиологии, в которой продемонстрированы аналогичные методы интерактивной визуализации.
Да, Gradio и Ultralytics YOLO26 могут эффективно использоваться вместе в учебных целях. Интуитивно понятный веб-интерфейс Gradio позволяет студентам и преподавателям легко взаимодействовать с передовыми моделями глубокого обучения, такими как Ultralytics YOLO26, не имея продвинутых навыков программирования. Эта установка 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 производительность обнаружения.
В интерфейсе Gradio для YOLO26 ты можешь настраивать пороги уверенности и IoU с помощью предоставленных ползунков. Эти пороги помогают контролировать точность прогнозирования 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 объяснением параметров.
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 аналогичных вариантов использования ты найдешь в блоге Ultralytics по мониторингу поведения животных, где показано, как интерактивная визуализация может улучшить усилия по сохранению дикой природы.