/yolo-detector

Object detector for images and videos based on YOLOv11

Primary LanguageJupyter NotebookGNU Affero General Public License v3.0AGPL-3.0

Детектор объектов YOLOv11

App interface

Детектор объектов на фото и видео на основе модели YOLOv11

Open in Colab Hugging Face Spaces Docker Hub

В Goole Colab ноутбуке находится код приложения с комментариями, демонстрацией распознавания фото и видео через модели YOLOv11 из библиотеки Ultralytics и анализом результатов детекции видео с помощью графиков

Скриншот страницы отображения графиков результатов детекции видео

Страница результатов

Функционал

  • Детекция объектов на изображениях (файл или URL ссылка)
  • Детекция видео (файл или ссылка на YouTube) с прогресс баром
  • Выбор моделей YOLOv11
  • Настройка параметров детекции - IOU и Confidence
  • Сохранение результатов детекций к видео в csv файл для дальнейшего анализа
  • Отображение графиков результатов детекции видео прямо в приложении

Стек

  • python >=3.8
  • ultralytics для детекции объектов с помощью моделей YOLOv11
  • gradio для написания веб-интерфейса
  • pandas для формирования датафрейма и его сохранения в формат csv
  • yt_dlp для загрузки видео с YouTube

Работоспособность приложения проверялась на Ubuntu 22.04 (python 3.10) и Windows 10 (python 3.12)

Проблемы

При деплое на удаленных серверах их IP часто оказываются в черных списках YouTube, поэтому загрузка видео через yt_dlp может выдавать ошибку
Sign in to confirm you’re not a bot. This helps protect our community #10128

Установка и запуск через Python

1) Клонирование репозитория

git clone https://github.com/sergey21000/yolo-detector.git
cd yolo-detector

2) Создание и активация виртуального окружения (опционально)

  • Linux

    python3 -m venv env
source env/bin/activate

  • Windows CMD

    python -m venv env
env\Scripts\activate

  • Windows PowerShell

    python -m venv env
env\Scripts\activate.ps1

3) Установка зависимостей

  • С поддержкой CPU

    pip install -r requirements.txt --extra-index-url https://download.pytorch.org/whl/cpu

  • С поддержкой CUDA 12.4

    pip install -r requirements.txt --extra-index-url https://download.pytorch.org/whl/cu124

Страница устанвки Pytorch где можно выбрать --extra-index-url для других версий CUDA

4) Запуск сервера Gradio

python3 app.py

После запуска сервера перейти в браузере по адресу http://localhost:7860/
Приложение доступно через некоторое время после запуска (после первоначальной загрузки моделей)

Установка и запуск через Docker

Для запуска приложения с поддержкой GPU CUDA необходима установка NVIDIA Container Toolkit.

Запуск контейнера из готового образа Docker HUB

С поддержкой CPU

docker run -d -p 7860:7860 -v ./models:/app/models sergey21000/yolo-detector:cpu

С поддержкой CUDA

docker run -d --gpus all -p 7860:7860 -v ./models:/app/models sergey21000/yolo-detector:cuda

Сборка своего образа

1) Клонирование репозитория

git clone https://github.com/sergey21000/yolo-detector.git
cd yolo-detector

2) Сборка образа и запуск контейнера

  • С поддержкой CPU

    Сборка образа

    docker build -t yolo-detector:cpu -f Dockerfile-cpu .

    Запуск контейнера

    docker run -d -p 7860:7860 -v ./models:/app/models yolo-detector:cpu

  • С поддержкой CUDA

    Сборка образа

    docker build -t yolo-detector:cuda -f Dockerfile-cuda .

    Запуск контейнера

    docker run -d --gpus all -p 7860:7860 -v ./models:/app/models yolo-detector:cuda

После запуска сервера перейти в браузере по адресу http://localhost:7860/
Приложение доступно через некоторое время после запуска (после первоначальной загрузки моделей)

Приложение написано для демонстрационных и образовательных целей, оно не предназначалось и не тестировалось для промышленного использования

Лицензия

Этот проект лицензирован на условиях лицензии AGPL-3.0 License.