gradio-yolov8-det 2.1.0

基于 Gradio 的 YOLOv8 通用计算机视觉演示系统

集成目标检测、图像分割和图像分类于一体，可自定义检测模型

🚀 作者简介

曾逸夫，从事人工智能研究与开发；主研领域：计算机视觉；YOLOv8官方开源项目代码贡献人；YOLOv5官方开源项目代码贡献人；Gradio官方开源项目代码贡献人

❤️ Github：https://github.com/Zengyf-CVer

🚀更新走势

日期	版本
2024-01-15	Gradio YOLOv8 Det v2.1.0
2024-01-05	Gradio YOLOv8 Det v2.0.1
2024-01-04	Gradio YOLOv8 Det v2.0.0
2024-01-03	Gradio YOLOv8 Det v1.3.1
2023-12-15	Gradio YOLOv8 Det v1.3.0
2023-12-07	Gradio YOLOv8 Det v1.2.1
2023-11-16	Gradio YOLOv8 Det v1.2.0
2023-11-04	Gradio YOLOv8 Det v1.1.0
2023-11-01	Gradio YOLOv8 Det v1.0.0
2023-10-21	Gradio YOLOv8 Det v0.2.5
2023-08-14	Gradio YOLOv8 Det v0.2.4
2023-04-14	Gradio YOLOv8 Det v0.2.3
2023-01-23	Gradio YOLOv8 Det v0.2.2
2023-01-22	Gradio YOLOv8 Det v0.2
2023-01-15	Gradio YOLOv8 Det v0.1

🤗在线Demo

❤️ 快速体验

📌 本项目提供了Gradio YOLOv8 Det v1.3.1版本的在线demo，点击下面对应的logo，进入达摩院 ModelScope（魔搭社区） 或者 Hugging Face Spaces中快速体验。

📌 如果体验Gradio YOLOv8 Det v2.x 以上版本 请使用pip install gradio-yolov8-det 安装。

💎项目流程与用途

📌 项目整体流程

📌 项目示例

❤️ Gradio YOLOv8 Det v2.1.0 界面与检测效果（目标检测）

❤️ Gradio YOLOv8 Det v2.1.0 界面与检测效果（图像分割）

❤️ Gradio YOLOv8 Det v2.1.0 界面与检测效果（图像分类）

❤️ 快速体验

本项目提供了6个目标检测和图像分割的图片示例，用户可以快速体验检测与分割效果：

本项目提供了6个图像分类的图片示例，用户可以快速体验检测与分割效果：

本项目提供了在线版的安装教程和使用教程，用户可以快速查看安装和使用教程：

💡项目结构

.
├──  gradio-yolov8-det											# 项目名称
│    ├── gradio_yolov8_det										# 项目核心文件
│    │   ├── model_config										# 模型配置
│    │   │   ├── model_name_all.yaml							# YOLOv8 模型名称（yaml版）
│    │   │   └── model_name_custom.yaml							# 自定义模型名称（yaml版）
│    │   ├── cls_name											# 类别名称
│    │   │   ├── cls_name_zh.yaml								# 类别名称文件（yaml版-中文）
│    │   │   ├── cls_imagenet_name_zh.yaml						# ImageNet类别名称文件（yaml版-中文）
│    │   │   ├── cls_name_en.yaml								# 类别名称文件（yaml版-英文）
│    │   │   ├── cls_name_ru.yaml								# 类别名称文件（yaml版-俄语）
│    │   │   ├── cls_name_es.yaml								# 类别名称文件（yaml版-西班牙语）
│    │   │   ├── cls_name_ar.yaml								# 类别名称文件（yaml版-阿拉伯语）
│    │   │   ├── cls_name_ko.yaml								# 类别名称文件（yaml版-韩语）
│    │   │   ├── cls_name.yaml									# 类别名称文件（yaml版-中文-v0.1）
│    │   │   └── cls_name.csv									# 类别名称文件（csv版-中文）
│    │   ├── gyd_utils											# 工具包
│    │   │   ├── __init__.py									# 工具包初始化文件
│    │   │   └── fonts_opt.py									# 字体管理
│    │   ├── img_examples										# 示例图片
│    │   ├── __init__.py										# 初始化文件
│    │   ├── gradio_yolov8_det_v2.py							# v2.0.0主运行文件
│    │   └── gyd_style.css										# CSS样式文件
│    ├── setup.cfg												# pre-commit CI检查源配置文件
│    ├── .pre-commit-config.yaml								# pre-commit配置文件
│    ├── LICENSE												# 项目许可
│    ├── .gitignore												# git忽略文件
│    ├── README.md												# 项目说明
│    ├── pyproject.toml											# Python Package构建文件
│    ├── Dockerfile												# Docker构建工具
│    └── .dockerignore											# Docker忽略文件

🔥安装教程

✅ 第一步：创建conda环境

conda create -n yolo python=3.8  # 安装python3.8最新版本

✅ 第二步：激活conda环境

conda activate yolo

✅ 第三步：通过 pip 安装 Gradio YOLOv8 Det

pip install gradio-yolov8-det

⚡使用教程

💡 运行Gradio YOLOv8 Det

📌 运行

gradio-yolov8-det
# 在浏览器中输入：http://127.0.0.1:7860/或者http://127.0.0.1:7861/ 等等（具体观察shell提示）

💡 脚本指令操作

❤️ 本项目提供了一些脚本指令，旨在扩展项目的功能。

❗ 注：其中的一些功能是界面组件（按钮、文本框等）无法实现的，需要通过脚本指令完成：

# 共享模式
gradio-yolov8-det -is # 在浏览器中以共享模式打开，https://**.gradio.app/

# 自定义模型配置
gradio-yolov8-det -mc ./model_config/model_name_all.yaml

# 自定义下拉框默认模型名称
gradio-yolov8-det -mn yolov8m

# 自定义类别名称
gradio-yolov8-det -cls ./cls_name/cls_name_zh.yaml  （目标检测与图像分割）
gradio-yolov8-det -cin ./cls_name/cls_imgnet_name_zh.yaml  （图像分类）

# 自定义NMS置信度阈值
gradio-yolov8-det -conf 0.8

# 自定义NMS IoU阈值
gradio-yolov8-det -iou 0.5

# 设置推理尺寸，默认为640
gradio-yolov8-det -isz 320

# 设置最大检测数，默认为50
gradio-yolov8-det -mdn 100

# 设置滑块步长，默认为0.05
gradio-yolov8-det -ss 0.01

📝 项目引用指南

📌 如需引用Gradio YOLOv8 Det v2.1.0，请在相关文章的参考文献中加入下面文字：

曾逸夫, (2024) Gradio YOLOv8 Det (Version 2.1.0).https://gitee.com/CV_Lab/gradio-yolov8-det.git.

💬 技术交流

• 如果你发现任何Gradio YOLOv8 Det存在的问题或者是建议, 欢迎通过Gitee Issues给我提issues。
• 欢迎加入CV Lab技术交流群