Interactive Object Detection: Gradio & Ultralytics YOLO11 🚀

Введение в интерактивное обнаружение объектов

This Gradio interface provides an easy and interactive way to perform object detection using the Ultralytics YOLO11 model. Users can upload images and adjust parameters like confidence threshold and intersection-over-union (IoU) threshold to get real-time detection results.

Смотри: Gradio Integration with 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.
• Настройки в реальном времени: Такие параметры, как пороги уверенности и IoU, можно настраивать на лету, что обеспечивает мгновенную обратную связь и оптимизацию результатов обнаружения.
• Широкая доступность: Доступ к веб-интерфейсу Gradio может получить каждый, что делает его отличным инструментом для демонстраций, образовательных целей и быстрых экспериментов.

Как установить Gradio

pip install gradio

Как пользоваться интерфейсом

1. Загрузи изображение: Кликни на "Upload Image", чтобы выбрать файл изображения для обнаружения объекта.
2. Настрой параметры:
   • Порог уверенности: Ползунок для установки минимального уровня доверия для обнаружения объектов.
   • Порог IoU: Ползунок для установки порога IoU для различения разных объектов.
3. Просмотри результаты: На экране появится 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

This section provides the Python code used to create the Gradio interface with the Ultralytics YOLO11 model. Supports classification tasks, detection tasks, segmentation tasks, and key point tasks.

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

Компоненты интерфейса Gradio

ВОПРОСЫ И ОТВЕТЫ

How do I use Gradio with Ultralytics YOLO11 for object detection?

To use Gradio with Ultralytics YOLO11 for object detection, you can follow these steps:

1. Установи Gradio: Используй команду pip install gradio.
2. Создай интерфейс: Напиши скрипт Python для инициализации интерфейса Gradio. За подробностями ты можешь обратиться к предоставленному примеру кода в документации.
3. Загружай и настраивай: Загрузи свое изображение и отрегулируй пороги уверенности и IoU в интерфейсе Gradio, чтобы получить результаты обнаружения объектов в реальном времени.

Вот минимальный фрагмент кода для ознакомления:

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()

What are the benefits of using Gradio for Ultralytics YOLO11 object detection?

Using Gradio for Ultralytics YOLO11 object detection offers several benefits:

• Удобный интерфейс: Gradio предоставляет пользователям интуитивно понятный интерфейс для загрузки изображений и визуализации результатов обнаружения без каких-либо усилий по кодированию.
• Настройки в реальном времени: Ты можешь динамически настраивать параметры обнаружения, такие как пороги уверенности и IoU, и сразу же видеть эффект.
• Доступность: Веб-интерфейс доступен любому, что делает его полезным для быстрых экспериментов, образовательных целей и демонстраций.

Для получения более подробной информации ты можешь прочитать эту запись в блоге.

Can I use Gradio and Ultralytics YOLO11 together for educational purposes?

Yes, Gradio and Ultralytics YOLO11 can be utilized together for educational purposes effectively. Gradio's intuitive web interface makes it easy for students and educators to interact with state-of-the-art deep learning models like Ultralytics YOLO11 without needing advanced programming skills. This setup is ideal for demonstrating key concepts in object detection and computer vision, as Gradio provides immediate visual feedback which helps in understanding the impact of different parameters on the detection performance.

How do I adjust the confidence and IoU thresholds in the Gradio interface for YOLO11?

In the Gradio interface for YOLO11, you can adjust the confidence and IoU thresholds using the sliders provided. These thresholds help control the prediction accuracy and object separation:

• Порог уверенности: Определяет минимальный уровень доверия для обнаружения объектов. Сдвигай, чтобы увеличить или уменьшить требуемую уверенность.
• Порог IoU: Устанавливает порог пересечения-пересечения для различения перекрывающихся объектов. Отрегулируй это значение, чтобы уточнить разделение объектов.

Чтобы узнать больше об этих параметрах, посети раздел объяснения параметров.

What are some practical applications of using Ultralytics YOLO11 with Gradio?

Practical applications of combining Ultralytics YOLO11 with Gradio include:

• Демонстрации обнаружения объектов в реальном времени: Идеально подходит для демонстрации того, как работает обнаружение объектов в реальном времени.
• Образовательные инструменты: Пригодится в учебных заведениях для обучения распознаванию объектов и концепциям компьютерного зрения.
• Разработка прототипов: Эффективен для быстрой разработки и тестирования прототипов приложений для обнаружения объектов.
• Сообщество и совместная работа: Сделать так, чтобы было легко делиться моделями с сообществом для обратной связи и сотрудничества.

Примеры подобных вариантов использования можно найти в блогеUltralytics .

Providing this information within the documentation will help in enhancing the usability and accessibility of Ultralytics YOLO11, making it more approachable for users at all levels of expertise.

📅 Created 8 months ago ✏️ Updated 10 days ago

Комментарии