Интерактивное обнаружение объектов: Gradio & Ultralytics YOLOv8 🚀.

Введение в интерактивное обнаружение объектов

Этот интерфейс Gradio обеспечивает простой и интерактивный способ обнаружения объектов с помощью Ultralytics YOLOv8 модели. Пользователи могут загружать изображения и настраивать такие параметры, как порог доверия и порог пересечения-пересечения (IoU), чтобы получать результаты обнаружения в реальном времени.

Смотри: Интеграция Gradio с Ultralytics YOLOv8

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

В этом разделе представлен Python-код, используемый для создания интерфейса Gradio с моделью Ultralytics YOLOv8. Поддерживаются задачи классификации, задачи обнаружения, задачи сегментации и задачи по ключевым точкам.

import gradio as gr
import PIL.Image as Image

from ultralytics import ASSETS, YOLO

model = YOLO("yolov8n.pt")


def predict_image(img, conf_threshold, iou_threshold):
    """Predicts objects in an image using a YOLOv8 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 YOLOv8n 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

Как использовать Gradio с Ultralytics YOLOv8 для обнаружения объектов?

Чтобы использовать Gradio с Ultralytics YOLOv8 для обнаружения объектов, ты можешь выполнить следующие шаги:

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("yolov8n.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 YOLOv8",
    description="Upload images for YOLOv8 object detection.",
)
iface.launch()

В чем преимущества использования Gradio для обнаружения объектов Ultralytics YOLOv8 ?

Использование Gradio для обнаружения объектов Ultralytics YOLOv8 дает несколько преимуществ:

• 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.

Могу ли я использовать Gradio и Ultralytics YOLOv8 вместе в образовательных целях?

Да, Gradio и Ultralytics YOLOv8 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 YOLOv8 , не требуя при этом продвинутых навыков программирования. Эта установка идеально подходит для демонстрации ключевых концепций в области обнаружения объектов и компьютерного зрения, так как 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 YOLOv8?

В интерфейсе Gradio для YOLOv8 ты можешь настроить пороги уверенности и IoU с помощью ползунков. Эти пороги помогают контролировать точность предсказания и разделение объектов:

• 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.

Каковы некоторые практические применения использования Ultralytics YOLOv8 с Gradio?

Практическое применение сочетания Ultralytics YOLOv8 с Gradio включает в себя:

• 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 .

Предоставление этой информации в документации поможет повысить удобство использования и доступность Ultralytics YOLOv8 , сделав его более понятным для пользователей с любым уровнем знаний.

Комментарии