Create app.py

app.py

@@ -0,0 +1,138 @@
+import gradio as gr
+from ultralytics import YOLO
+import cv2
+import numpy as np
+from PIL import Image
+import torch
+import os
+
+# Моделді жүктеу
+model = None
+
+def load_model(model_path="best.pt"):
+    """Моделді жүктеу функциясы"""
+    global model
+    try:
+        # Егер best.pt болмаса, pretrained модельді жүктеу
+        if not os.path.exists(model_path):
+            print(f"⚠️ {model_path} табылмады. Pretrained модельді жүктеу...")
+            model_path = "yolov8n-seg.pt"  # Автоматты жүктеледі
+        
+        model = YOLO(model_path)
+        return f"✅ Модель сәтті жүктелді: {model_path}"
+    except Exception as e:
+        return f"❌ Қате: {str(e)}"
+
+def predict_image(image, conf_threshold=0.25, iou_threshold=0.45):
+    """Суретті талдау және сегментация жасау"""
+    if model is None:
+        return None, "❌ Модель жүктелмеген!"
+    
+    if image is None:
+        return None, "❌ Сурет жүктелмеді!"
+    
+    try:
+        # Болжам жасау
+        results = model.predict(
+            source=image,
+            conf=conf_threshold,
+            iou=iou_threshold,
+            save=False
+        )
+        
+        # Нәтижені визуализациялау
+        annotated_img = results[0].plot()
+        annotated_img = cv2.cvtColor(annotated_img, cv2.COLOR_BGR2RGB)
+        
+        # Анықталған объектілер туралы ақпарат
+        detections = []
+        if results[0].masks is not None:
+            for i, (box, mask) in enumerate(zip(results[0].boxes, results[0].masks)):
+                class_id = int(box.cls[0])
+                confidence = float(box.conf[0])
+                class_name = model.names[class_id]
+                detections.append(f"{i+1}. {class_name}: {confidence:.2%}")
+        
+        info_text = "\n".join(detections) if detections else "ℹ️ Объектілер табылмады"
+        
+        return annotated_img, info_text
+    
+    except Exception as e:
+        return None, f"❌ Қате: {str(e)}"
+
+# Gradio интерфейсі
+def create_interface():
+    with gr.Blocks(title="YOLOv8 Қазақша Сегментация", theme=gr.themes.Soft()) as demo:
+        gr.Markdown("""
+        # 🎯 YOLOv8 Сегментация - Қазақша
+        
+        Бұл модель объектілерді анықтап, сегментациялайды. 
+        Суретті жүктеп, параметрлерді орнатыңыз.
+        
+        > ⚠️ **Назар:** Егер өз модельіңіз болса, `best.pt` файлын жүктеңіз. 
+        > Әйтпесе, COCO dataset pretrained моделі қолданылады.
+        """)
+        
+        with gr.Row():
+            with gr.Column():
+                input_image = gr.Image(
+                    label="📸 Суретті жүктеңіз",
+                    type="numpy"
+                )
+                
+                conf_slider = gr.Slider(
+                    minimum=0.1,
+                    maximum=1.0,
+                    value=0.25,
+                    step=0.05,
+                    label="🎯 Сенімділік табалдырығы (Confidence)"
+                )
+                
+                iou_slider = gr.Slider(
+                    minimum=0.1,
+                    maximum=1.0,
+                    value=0.45,
+                    step=0.05,
+                    label="📊 IoU табалдырығы"
+                )
+                
+                predict_btn = gr.Button("🔍 Талдау", variant="primary", size="lg")
+            
+            with gr.Column():
+                output_image = gr.Image(
+                    label="✨ Нәтиже"
+                )
+                output_text = gr.Textbox(
+                    label="📋 Анықталған объектілер",
+                    lines=10
+                )
+        
+        gr.Markdown("""
+        ### 📝 Нұсқаулық:
+        1. Суретті жүктеңіз
+        2. Қажет болса параметрлерді өзгертіңіз
+        3. "Талдау" батырмасын басыңыз
+        
+        ### ⚙️ Параметрлер:
+        - **Сенімділік табалдырығы**: Объектіді қабылдау үшін минималды сенімділік
+        - **IoU табалдырығы**: Non-maximum suppression үшін қолданылады
+        
+        ### 🏷️ Анықталатын объектілер:
+        person (адам), car (машина), dog (ит), cat (мысық), bicycle (велосипед), т.б.
+        """)
+        
+        predict_btn.click(
+            fn=predict_image,
+            inputs=[input_image, conf_slider, iou_slider],
+            outputs=[output_image, output_text]
+        )
+    
+    return demo
+
+# Моделді жүктеу
+print(load_model())
+
+# Интерфейсті іске қосу
+if __name__ == "__main__":
+    demo = create_interface()
+    demo.launch()