Link to this sectionEtkileşimli Nesne Tespiti: Gradio ve Ultralytics YOLO26 🚀#

Link to this sectionEtkileşimli Nesne Tespiti'ne Giriş#

This Gradio interface provides an easy and interactive way to perform object detection using the Ultralytics YOLO26 model. Users can upload images and adjust parameters like confidence threshold and intersection-over-union (IoU) threshold to get real-time detection results.

Link to this sectionNesne Tespiti için Neden Gradio Kullanmalı?#

• Kullanıcı Dostu Arayüz: Gradio, kullanıcıların kodlama gerektirmeden resim yüklemeleri ve tespit sonuçlarını görselleştirmeleri için basit bir platform sunar.
• Gerçek Zamanlı Ayarlamalar: Güven ve IoU eşikleri gibi parametreler anında ayarlanabilir, böylece anlık geri bildirim alınabilir ve tespit sonuçları optimize edilebilir.
• Geniş Erişilebilirlik: Gradio web arayüzüne herkes erişebilir; bu da onu gösterimler, eğitim amaçlı kullanımlar ve hızlı deneyler için mükemmel bir araç haline getirir.

Link to this sectionGradio Nasıl Kurulur#

pip install gradio

Link to this sectionArayüz Nasıl Kullanılır#

1. Resim Yükle: Nesne tespiti için bir resim dosyası seçmek üzere 'Resim Yükle'ye tıkla.
2. Parametreleri Ayarla:
   • Güven Eşiği: Nesneleri tespit etmek için minimum güven seviyesini belirleyen kaydırıcı.
   • IoU Eşiği: Farklı nesneleri ayırt etmek için IoU eşiğini belirleyen kaydırıcı.
3. Sonuçları Görüntüle: Tespit edilen nesneler ve etiketleriyle birlikte işlenmiş resim görüntülenecektir.

Link to this sectionÖrnek Kullanım Senaryoları#

• Örnek Resim 1: Varsayılan eşiklerle otobüs tespiti.
• Örnek Resim 2: Varsayılan eşiklerle bir spor resminde tespit.

Link to this sectionKullanım Örneği#

Bu bölüm, Ultralytics YOLO26 nesne tespiti için bir Gradio arayüzü oluşturmak amacıyla kullanılan Python kodunu sağlar. Bu örnek, ilgili model kontrol noktasını yükleyerek sınıflandırma, örnek bölütleme, poz tahmini ve diğer YOLO görevleri için uyarlanabilir.

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 sectionParametre Açıklaması#

Link to this sectionGradio Arayüz Bileşenleri#

Link to this sectionSSS#

Link to this sectionUltralytics YOLO26 ile nesne tespiti için Gradio'yu nasıl kullanırım?#

Ultralytics YOLO26 ile nesne tespiti için Gradio'yu kullanmak istersen şu adımları izleyebilirsin:

1. Gradio'yu Kur: pip install gradio komutunu kullan.
2. Arayüz Oluştur: Gradio arayüzünü başlatmak için bir Python betiği yaz. Detaylar için dokümantasyondaki sağlanan kod örneğine bakabilirsin.
3. Yükle ve Ayarla: Gerçek zamanlı nesne tespit sonuçlarını almak için resmini yükle ve Gradio arayüzündeki güven ve IoU eşiklerini ayarla.

Referans olması için işte minimal bir kod parçası:

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 sectionUltralytics YOLO26 nesne tespiti için Gradio kullanmanın faydaları nelerdir?#

Ultralytics YOLO26 nesne tespiti için Gradio kullanmak çeşitli avantajlar sunar:

• Kullanıcı Dostu Arayüz: Gradio, kullanıcıların kodlama çabası olmadan resim yüklemeleri ve tespit sonuçlarını görselleştirmeleri için sezgisel bir arayüz sağlar.
• Gerçek Zamanlı Ayarlamalar: Güven ve IoU eşikleri gibi tespit parametrelerini dinamik olarak ayarlayabilir ve etkilerini anında görebilirsin.
• Erişilebilirlik: Web arayüzüne herkes erişebilir; bu da onu hızlı deneyler, eğitim amaçlı kullanımlar ve gösterimler için kullanışlı kılar.

Daha fazla detay için, benzer etkileşimli görselleştirme tekniklerini sergileyen bu radyolojide yapay zeka konulu blog yazısını okuyabilirsin.

Link to this sectionEğitim amaçlı olarak Gradio ve Ultralytics YOLO26'yı birlikte kullanabilir miyim?#

Evet, Gradio ve Ultralytics YOLO26 eğitim amaçlı olarak birlikte etkili bir şekilde kullanılabilir. Gradio'nun sezgisel web arayüzü, öğrencilerin ve eğitimcilerin ileri programlama becerilerine ihtiyaç duymadan Ultralytics YOLO26 gibi son teknoloji derin öğrenme modelleriyle etkileşime girmelerini kolaylaştırır. Bu kurulum, nesne tespiti ve bilgisayarlı görü konularındaki temel kavramları göstermek için idealdir, çünkü Gradio farklı parametrelerin tespit performansı üzerindeki etkisini anlamaya yardımcı olan anlık görsel geri bildirim sağlar.

Link to this sectionYOLO26 için Gradio arayüzünde güven ve IoU eşiklerini nasıl ayarlarım?#

YOLO26 için Gradio arayüzünde güven ve IoU eşiklerini sağlanan kaydırıcıları kullanarak ayarlayabilirsin. Bu eşikler, tahmin doğruluğunu ve nesne ayrımını kontrol etmeye yardımcı olur:

• Güven Eşiği: Nesneleri tespit etmek için minimum güven seviyesini belirler. Gereken güveni artırmak veya azaltmak için kaydır.
• IoU Eşiği: Örtüşen nesneleri birbirinden ayırmak için örtüşme üzerinden kesişim eşiğini belirler. Nesne ayrımını hassaslaştırmak için bu değeri ayarla.

Bu parametreler hakkında daha fazla bilgi için parametre açıklaması bölümünü ziyaret et.

Link to this sectionUltralytics YOLO26 ile Gradio kullanmanın pratik uygulamaları nelerdir?#

Ultralytics YOLO26'yı Gradio ile birleştirmenin pratik uygulamaları şunları içerir:

• Gerçek Zamanlı Nesne Tespiti Gösterimleri: Nesne tespitinin gerçek zamanlı olarak nasıl çalıştığını sergilemek için idealdir.
• Eğitim Araçları: Nesne tespiti ve bilgisayarlı görü kavramlarını öğretmek için akademik ortamlarda kullanışlıdır.
• Prototip Geliştirme: Prototip nesne tespiti uygulamalarını hızlı bir şekilde geliştirmek ve test etmek için verimlidir.
• Topluluk ve İş Birlikleri: Modelleri geri bildirim ve iş birliği için toplulukla paylaşmayı kolaylaştırır.

Benzer kullanım örnekleri için, etkileşimli görselleştirmenin yaban hayatını koruma çabalarını nasıl geliştirebileceğini gösteren hayvan davranışı izleme konulu Ultralytics blog yazısına göz at.