# ============================================================ # Maestría de Ciencia de Datos # # Aprendizaje Automático Avanzado # # Autores: # - Samir Mateo Sierra Blanco # - Maria Fernanda González Acevedo # ============================================================ # Se importan las librerías necesarias import torch import gradio as gr import spaces from PIL import Image from transformers import DetrImageProcessor, DetrForObjectDetection # Se carga el modelo y el procesador de imágenes MODEL_NAME = "facebook/detr-resnet-50" processor = DetrImageProcessor.from_pretrained(MODEL_NAME) model = DetrForObjectDetection.from_pretrained(MODEL_NAME) # Se usa la GPU si está disponible, de lo contrario se usa la CPU device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device) model.eval() # Se realiza función para la detección de objetos en una imagen @spaces.GPU def detect_objects(image: Image.Image): if image is None: return "No se recibió ninguna imagen." # Se asegura que el formato de la imagen sea RGB image = image.convert("RGB") # Se realiza el preprocesamiento de la imagen y se pasa al modelo para obtener las predicciones inputs = processor(images = image, return_tensors = "pt") # Se mueven los tensores al dispositivo seleccionado inputs = { key: value.to(device) for key, value in inputs.items() } # Se realiza la detección de objetos with torch.no_grad(): outputs = model(**inputs) # Se realiza el postprocesamiento target_sizes = torch.tensor( [image.size[::-1]], device = device ) results = processor.post_process_object_detection( outputs, target_sizes = target_sizes, threshold = 0.9 )[0] # Se obtienen los resultados y las coordenadas de los cuadros delimitadores labels = results["labels"] scores = results["scores"] boxes = results["boxes"] detected_objects = [] for score, label, box in zip(scores, labels, boxes): label_name = model.config.id2label[label.item()] x1, y1, x2, y2 = box.tolist() detected_objects.append( f"Objeto: {label_name}\n" f"Score: {score.item():.2f}\n" f"Box: [{x1:.1f}, {y1:.1f}, {x2:.1f}, {y2:.1f}]" ) # Se devuelve el resultado if not detected_objects: return "No se detectaron objetos con el nivel de confianza establecido." return "\n\n".join(detected_objects) # Se crea la interfaz de usuario con Gradio def create_interface(): interface = gr.Interface( fn = detect_objects, inputs = gr.Image( type = "pil", label = "Sube una imagen" ), outputs = gr.Textbox( label = "Objetos detectados", lines = 12 ), title = "Detección de objetos con Transformers", description = "Sube una imagen y descubre qué objetos se pueden detectar." ) interface.launch() # Se ejecuta la interfaz de usuario if __name__ == "__main__": create_interface()