Update app.py

app.py

@@ -7,101 +7,62 @@ from ultralytics import YOLO
 from PIL import Image
 import uvicorn
 
-# --- 1. إعداد التطبيق والموديلات ---
-app = FastAPI(title="YOLO + GIT Large Detailed API")
+app = FastAPI(title="YOLO + GIT Large: Color & Shape Edition")
 
 device = "cuda" if torch.cuda.is_available() else "cpu"
 MY_MODEL_PATH = 'best.pt'
 
-print(f"🔄 جاري تحميل الموديلات على: {device}...")
-
-# تحميل YOLO
+# تحميل الموديلات
 try:
     detection_model = YOLO(MY_MODEL_PATH)
-    print("✅ تم تحميل YOLO بنجاح")
-except Exception as e:
-    print(f"⚠️ فشل تحميل الموديل الخاص، استخدام الافتراضي: {e}")
+except:
     detection_model = YOLO("yolov8n.pt")
 
-# تحميل GIT-large
-model_name = "microsoft/git-large"
-processor = AutoProcessor.from_pretrained(model_name)
-caption_model = AutoModelForCausalLM.from_pretrained(model_name).to(device)
-print(f"✅ تم تحميل {model_name} بنجاح")
-
-@app.get("/")
-def home():
-    return {"status": "Online", "mode": "Detailed Color & Shape Description"}
-
-# --- 2. وظيفة المعالجة ---
+processor = AutoProcessor.from_pretrained("microsoft/git-large")
+caption_model = AutoModelForCausalLM.from_pretrained("microsoft/git-large").to(device)
 
 @app.post("/analyze")
 async def analyze_image(file: UploadFile = File(...)):
     data = await file.read()
     original_image = Image.open(io.BytesIO(data)).convert("RGB")
 
-    # الكشف عن الأجسام
     results = detection_model(original_image, conf=0.25)
     integrated_results = []
 
     for r in results:
         for i, box in enumerate(r.boxes):
             label = r.names[int(box.cls)]
-            conf_score = float(box.conf[0])
             coords = box.xyxy[0].tolist() 
 
-            # قص العنصر مع هامش بسيط
-            pad = 5
+            # قص العنصر مع هامش (Padding) لرؤية الشكل واللون بوضوح
+            pad = 10
             cropped_img = original_image.crop((
-                max(0, coords[0]-pad), 
-                max(0, coords[1]-pad), 
-                min(original_image.width, coords[2]+pad), 
-                min(original_image.height, coords[3]+pad)
+                max(0, coords[0]-pad), max(0, coords[1]-pad), 
+                min(original_image.width, coords[2]+pad), min(original_image.height, coords[3]+pad)
             ))
 
-            # --- الحل الجديد: البرومبت بصيغة "إكمال الجملة" ---
-            # نبدأ الجملة للموديل بـ "The [object] is" ليقوم هو بوصف اللون والشكل
-            prompt = f"a photo of a {label}, the color and shape are"
-            
-            inputs = processor(images=cropped_img, text=prompt, return_tensors="pt").to(device)
+            # --- التعديل الجوهري للوصف ---
+            # نستخدم برومبت مفتوح ليقوم الموديل بالوصف التلقائي
+            inputs = processor(images=cropped_img, return_tensors="pt").to(device)
             
             generated_ids = caption_model.generate(
                 pixel_values=inputs.pixel_values,
-                input_ids=inputs.input_ids,
-                max_new_tokens=40,   # نطلب توليد كلمات جديدة فقط
+                max_new_tokens=50,
                 num_beams=5,
-                repetition_penalty=1.5,
-                do_sample=False
+                do_sample=True,      # تفعيل التنوع في الكلمات
+                temperature=0.8,     # درجة "إبداع" لوصف الألوان بدقة
+                repetition_penalty=1.2
             )
             
-            # فك التشفير
-            full_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
-            
-            # تنظيف النتيجة: إزالة البرومبت إذا ظهر في البداية
-            if full_text.startswith(prompt):
-                description_only = full_text[len(prompt):].strip()
-            else:
-                description_only = full_text.strip()
+            description = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
 
             integrated_results.append({
                 "object_id": i + 1,
                 "label": label,
-                "confidence": f"{conf_score:.2f}",
-                "visual_description": f"The {label} is {description_only}"
+                "visual_description": f"This {label} is {description}"
             })
 
-    # في حال عدم وجود نتائج
-    if not integrated_results:
-        inputs = processor(images=original_image, return_tensors="pt").to(device)
-        generated_ids = caption_model.generate(pixel_values=inputs.pixel_values, max_new_tokens=40)
-        desc = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
-        return {"message": "No specific objects detected", "general_description": desc}
-
-    return {
-        "detected_count": len(integrated_results),
-        "results": integrated_results
-    }
+    return {"results": integrated_results}
 
-# --- 3. تشغيل السيرفر ---
 if __name__ == "__main__":
-    uvicorn.run(app, host="0.0.0.0", port=7860)
+    uvicorn.run(app, host="0.0.0.0", port=7860)