基于 Gradio 的 YOLOv8 通用计算机视觉演示系统
Project description
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
2024-01-04
⚡ Gradio YOLOv8 Det v2.0.0正式上线2024-01-03
⚡ Gradio YOLOv8 Det v1.3.1正式上线2023-12-15
⚡ Gradio YOLOv8 Det v1.3.0正式上线2023-12-7
⚡ Gradio YOLOv8 Det v1.2.1正式上线2023-11-16
⚡ Gradio YOLOv8 Det v1.2.0正式上线2023-11-04
⚡ Gradio YOLOv8 Det v1.1.0正式上线2023-11-01
⚡ Gradio YOLOv8 Det v1.0.0正式上线2023-10-21
⚡ Gradio YOLOv8 Det v0.2.5正式上线2023-08-14
⚡ Gradio YOLOv8 Det v0.2.4正式上线2023-04-14
⚡ Gradio YOLOv8 Det v0.2.3正式上线2023-01-23
⚡ Gradio YOLOv8 Det v0.2.2正式上线2023-01-22
⚡ Gradio YOLOv8 Det v0.2正式上线2023-01-15
⚡ Gradio YOLOv8 Det v0.1正式上线
🤗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,点击下面的logo,进入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 v2.0.0 界面与检测效果(目标检测)
❤️ Gradio YOLOv8 Det v2.0.0 界面与检测效果(图像分割)
❤️ Gradio YOLOv8 Det v2.0.0 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:
示例界面
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:
示例界面
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:
示例界面
💡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)
│ │ ├── util # 工具包
│ │ │ └── fonts_opt.py # 字体管理
│ │ ├── img_examples # 示例图片
│ │ ├── __init__.py # 初始化文件
│ │ └── gradio_yolov8_det.py # v2.0.0主运行文件
│ ├── 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
🔥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 v2.0.0,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 2.0.0).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
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
Built Distribution
Close
Hashes for gradio_yolov8_det-2.0.0-py3-none-any.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | dc0310231b916a0d72d5d9fa5d15c521151765d5bd50fdbaa35a0e933e009f26 |
|
MD5 | 138335e0cd92b83a924b5b0e722410ef |
|
BLAKE2b-256 | f12e6deb83236a092799aa0cce10c7db7fface83a1e00263a8f4a1121641605e |