Add : First Files

app.py

@@ -0,0 +1,114 @@
+import gradio as gr
+from ultralytics import YOLO
+import cv2
+import numpy as np
+
+# 모델 로드
+model = YOLO("best.pt")
+
+def predict_image(image):
+    if image is None:
+        return None
+    
+    # 원본 RGB 이미지 저장
+    original_image = np.array(image)
+    original_h, original_w = original_image.shape[:2]
+    
+    # 원본 이미지가 grayscale이면 RGB로 변환
+    if len(original_image.shape) == 2:
+        original_image = cv2.cvtColor(original_image, cv2.COLOR_GRAY2RGB)
+    elif len(original_image.shape) == 3 and original_image.shape[2] == 1:
+        original_image = cv2.cvtColor(original_image, cv2.COLOR_GRAY2RGB)
+    
+    # 전처리용 이미지 복사
+    input_image = original_image.copy()
+    
+    # 전처리: grayscale 변환, 리사이즈 
+    # RGB 이미지를 grayscale로 변환
+    if len(input_image.shape) == 3 and input_image.shape[2] == 3:
+        input_image = cv2.cvtColor(input_image, cv2.COLOR_RGB2GRAY)
+    # grayscale 이미지를 3채널로 복제 (YOLO의 입력 : 3채널)
+    if len(input_image.shape) == 2:
+        input_image = cv2.cvtColor(input_image, cv2.COLOR_GRAY2RGB)
+    
+    # 256x256으로 리사이즈
+    input_image = cv2.resize(input_image, (256, 256))
+    
+    # 모델 추론
+    results = model.predict(
+        source=input_image,
+        conf=0.25,
+        iou=0.7,
+        imgsz=256,
+        save=False  # 임시 파일 저장하지 않음
+    )
+    
+    # bbox 좌표를 원본 크기로 스케일링
+    result = results[0]
+    boxes = result.boxes
+    
+    # 스케일 비율 계산 (256x256 -> 원본 크기)
+    scale_x = original_w / 256.0
+    scale_y = original_h / 256.0
+    
+    # 원본 RGB 이미지에 bbox 그리기
+    result_image = original_image.copy()
+    
+    for box in boxes:
+        # bbox 좌표 가져오기 (256x256 기준)
+        x1, y1, x2, y2 = box.xyxy[0].cpu().numpy()
+        
+        # 원본 크기로 스케일링
+        x1 = int(x1 * scale_x)
+        y1 = int(y1 * scale_y)
+        x2 = int(x2 * scale_x)
+        y2 = int(y2 * scale_y)
+        
+        # 클래스와 confidence 가져오기
+        cls = int(box.cls[0].cpu().numpy())
+        conf = float(box.conf[0].cpu().numpy())
+        
+        # bbox 그리기
+        cv2.rectangle(result_image, (x1, y1), (x2, y2), (0, 255, 0), 2)
+        
+        # 라벨 텍스트
+        label = f"{result.names[cls]} {conf:.2f}"
+        
+        # 텍스트 배경 그리기
+        (text_width, text_height), baseline = cv2.getTextSize(
+            label, cv2.FONT_HERSHEY_SIMPLEX, 0.5, 1
+        )
+        cv2.rectangle(
+            result_image,
+            (x1, y1 - text_height - baseline - 5),
+            (x1 + text_width, y1),
+            (0, 255, 0),
+            -1
+        )
+        
+        # 텍스트 그리기
+        cv2.putText(
+            result_image,
+            label,
+            (x1, y1 - baseline - 2),
+            cv2.FONT_HERSHEY_SIMPLEX,
+            0.5,
+            (0, 0, 0),
+            1
+        )
+    
+    return result_image
+
+# Gradio Interface 생성
+demo = gr.Interface(
+    fn=predict_image,
+    inputs=gr.Image(type="pil", label="입력 이미지"),
+    outputs=gr.Image(type="numpy", label="탐지 결과"),
+    title="YOLO 객체 탐지 데모",
+    description="이미지를 업로드하면 YOLO 모델이 객체를 탐지합니다.",
+    examples=None
+)
+
+if __name__ == "__main__":
+    demo.launch()
+

best.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:86f894ebc526f7d5131c6b5aaed13a3963a3a773f2017c9d9b1c20e90f9c1432
+size 5425306

requirements.txt

@@ -0,0 +1,8 @@
+gradio>=4.0.0
+ultralytics>=8.0.0
+torch>=2.0.0
+torchvision>=0.15.0
+pillow>=9.0.0
+opencv-python>=4.5.0
+numpy>=1.21.0
+