Интерактивное обнаружение объектов: Gradio & Ultralytics YOLO11 🚀.

Введение в интерактивное обнаружение объектов

Этот интерфейс Gradio обеспечивает простой и интерактивный способ обнаружения объектов с помощью Ultralytics YOLO11 модели. Пользователи могут загружать изображения и настраивать такие параметры, как порог уверенности и порог пересечения-пересечения (IoU), чтобы получать результаты обнаружения в режиме реального времени.

Смотреть: Интеграция Gradio с 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.
• Корректировка в режиме реального времени: Такие параметры, как пороги уверенности и IoU, можно корректировать "на лету", что обеспечивает мгновенную обратную связь и оптимизацию результатов обнаружения.
• Широкая доступность: Доступ к веб-интерфейсу Gradio может получить любой желающий, что делает его отличным инструментом для демонстраций, образовательных целей и быстрых экспериментов.

Как установить Gradio

pip install gradio

Как пользоваться интерфейсом

1. Загрузить изображение: Нажмите на кнопку "Загрузить изображение", чтобы выбрать файл изображения для обнаружения объекта.
2. Настройка параметров:
   • Порог уверенности: Ползунок для установки минимального уровня доверия при обнаружении объектов.
   • Порог IoU: Ползунок для установки порога IoU для различения различных объектов.
3. Просмотр результатов: Отобразится 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

В этом разделе представлен код Python , используемый для создания интерфейса Gradio с моделью Ultralytics YOLO11 . Поддерживаются задачи классификации, обнаружения, сегментации и 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()

Параметры Объяснение

Компоненты интерфейса Gradio

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Как использовать Gradio с Ultralytics YOLO11 для обнаружения объектов?

Чтобы использовать Gradio с Ultralytics YOLO11 для обнаружения объектов, выполните следующие действия:

1. Установите Gradio: Используйте команду pip install gradio.
2. Создайте интерфейс: Напишите скрипт Python для инициализации интерфейса Gradio. Для получения подробной информации вы можете обратиться к предоставленному примеру кода в документации.
3. Загружайте и настраивайте: Загрузите изображение и настройте пороги уверенности и IoU в интерфейсе Gradio, чтобы получить результаты обнаружения объектов в режиме реального 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()

В чем преимущества использования Gradio для обнаружения объектов на сайте Ultralytics YOLO11 ?

Использование Gradio для обнаружения объектов Ultralytics YOLO11 дает несколько преимуществ:

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

Более подробную информацию вы можете прочитать в этом блоге.

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 легко взаимодействовать с современными моделями глубокого обучения, такими как Ultralytics YOLO11 , не имея навыков программирования. Эта установка 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 эффективность обнаружения.

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

В интерфейсе Gradio для YOLO11 можно настроить пороги уверенности и IoU с помощью ползунков. Эти пороги помогают контролировать точность предсказания и разделение объектов:

• Порог уверенности: Определяет минимальный уровень уверенности для обнаружения объектов. Сдвиньте, чтобы увеличить или уменьшить требуемый уровень уверенности.
• Порог IoU: Устанавливает порог пересечения-объединения для различения перекрывающихся объектов. Настройте это значение для более точного разделения объектов.

Более подробную информацию об этих параметрах можно найти в разделе объяснения параметров.

Каковы некоторые практические применения использования Ultralytics YOLO11 с Gradio?

Практическое применение сочетания Ultralytics YOLO11 с Gradio включает в себя:

• Демонстрации обнаружения объектов в реальном времени: Идеально подходит для демонстрации работы функции обнаружения объектов в режиме реального времени.
• Образовательные инструменты: Используется в учебных заведениях для обучения обнаружению объектов и концепциям компьютерного зрения.
• Разработка прототипов: Эффективна для быстрой разработки и тестирования прототипов приложений для обнаружения объектов.
• Сообщество и сотрудничество: Удобство обмена моделями с сообществом для получения отзывов и совместной работы.

Примеры подобных случаев использования можно найти в блогеUltralytics .

Предоставление этой информации в документации поможет повысить удобство использования и доступность Ultralytics YOLO11 , сделав его более понятным для пользователей с любым уровнем знаний.

📅 Создано 10 месяцев назад ✏️ Обновлено 2 месяца назад

Комментарии