File size: 1,663 Bytes
4c6b724 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 | # Nombre: Daniel Enrique Arocha Prada
from transformers import DetrImageProcessor, DetrForObjectDetection
import torch
from PIL import Image
import gradio as gr
# Cargar el procesador y el modelo
processor = DetrImageProcessor.from_pretrained("facebook/detr-resnet-50")
model = DetrForObjectDetection.from_pretrained("facebook/detr-resnet-50")
# Funci贸n para procesar la imagen
def detect_objects(image):
# Preprocesamiento
inputs = processor(images=image, return_tensors="pt")
# Detectar objetos
with torch.no_grad():
outputs = model(**inputs)
# Filtrar resultados
target_sizes = torch.tensor([image.size[::-1]]) # (alto, ancho)
results = processor.post_process_object_detection(outputs, target_sizes=target_sizes, threshold=0.9)[0]
# Crear una lista de los resultados con nombre y puntuaci贸n
labels = results["labels"]
scores = results["scores"]
boxes = results["boxes"]
# Mostrar los objetos detectados
detected_objects = []
for score, label, box in zip(scores, labels, boxes):
detected_objects.append(f"Objeto: {label}, Score: {score:.2f}, Box: {box.tolist()}")
return "\n".join(detected_objects)
# Crear la interfaz Gradio
def create_interface():
interface = gr.Interface(
fn=detect_objects,
inputs=gr.Image(type="pil"), # Corrected line
outputs=gr.Textbox(),
live=True,
title="Detecci贸n de Objetos con Transformers",
description="Sube una imagen y descubre qu茅 objetos se pueden detectar."
)
interface.launch()
if __name__ == "__main__":
create_interface() |