YOLOv5实战记录 Gradio搭建Web GUI

转自:https://blog.csdn.net/EmileJiao/article/details/137448176

最终的:

import torch
import gradio as grmodel=torch.hub.load("./","custom",path="runs/train/exp2/weights/best.pt",source="local")title="基于Gradio的YOLOv5演示项目"
desc="这是一个基于YOLOv5的项目，非常简洁。"base_conf,base_iou=0.25,0.45def det_image(img,conf_thres,iou_thres):model.conf=conf_thresmodel.iou=iou_thresreturn model(img).render()[0]gr.Interface(inputs=["image",gr.Slider(maximum=1,minimum=0,value=base_conf),gr.Slider(maximum=1,minimum=0,value=base_iou)],outputs=["image"],fn=det_image,title=title,description=desc,live =True,examples=[["./datasets/images/train/30.jpg",base_conf,base_iou],["./datasets/images/train/60.jpg",base_conf,base_iou]]).launch(share=True)
#live=True, 可以实现实时检测，不需要点击submit。# inputs=["image"] 映射，组件调用。实际上调用了gr.Image()
#创建slider时，并没有显式绑定。这是因为fn会绑定input和output input中的三个参数，对应了det_image的三个传参。

　　初始:

import torch
import gradio as grmodel=torch.hub.load("./","custom",path="runs/train/exp2/weights/best.pt",source="local")gr.Interface(inputs=["image"],outputs=["image"],fn= lambda img:model(img).render()[0], ).launch()# inputs=["image"] 映射，组件调用。实际上调用了gr.Image()

　　

 我们继续完善页面，添加标题，添加conf-thres 和iou-thres两个参数的滚动条，代码如下：

import torch
import gradio as grmodel=torch.hub.load("./","custom",path="runs/train/exp2/weights/best.pt",source="local")title="基于Gradio的YOLOv5演示项目" #标题
desc="这是一个基于YOLOv5的项目，非常简洁。" #描述def det_image(img,conf_thres,iou_thres):model.conf=conf_thres   #conf代表置信度阈值，数值越低框越多。model.iou=iou_thres  #代表IOU阈值，数值越低框越少，越高框越多。return model(img).render()[0]gr.Interface(inputs=["image","slider","slider"],outputs=["image"],fn=det_image,title=title,description=desc).launch()#inputs=["image"] 映射，组件调用。实际上调用了gr.Image()
#创建slider时，并没有显式绑定。这是因为fn会绑定input和output input中的三个参数，对应了det_image的三个传参。

　　

现在这样有个问题，conf和iou是0-100之间的数，我们需要设置成0-1，可以直接给

    model.conf=conf_thres/100
    model.iou=iou_thres/100 

但是这种方法不够好，我们可以改善组件本身。

将“slider”改为：gr.Slider(maximum=1,minimum=0)可以设置默认值：base_conf,base_iou=0.25,0.45gr.Slider(maximum=1,minimum=0,value=base_conf)

　　

继续完善界面，我们可以预先放几个案例，供用户选择。

添加examples=[["./datasets/images/train/30.jpg",base_conf,base_iou],["./datasets/images/train/60.jpg",base_conf,base_iou]] 

如果想调用摄像头检测，将inputs=["image" 改为 inputs=[gr.Webcam() 即可
现在我们每次检测都需要点击submit才可以。在gr.Interface()中添加live=True，可以实现实时检测，不需要点击submit，程序会自动检测，显示出结果。