README.md

metadata

title: YOLO-Detection-Transfer Learning
emoji: 🚀
colorFrom: red
colorTo: red
sdk: docker
app_port: 8501
tags:
  - streamlit
pinned: false
short_description: Streamlit template space
license: mit

YOLO Detection & Transfer Learning

Este projeto é uma aplicação Streamlit para detecção de objetos utilizando o modelo YOLOv3-Tiny com OpenCV DNN. O projeto está configurado para ser executado localmente ou no Hugging Face Spaces via Docker.

🚀 Funcionalidades

• Detecção de objetos em tempo real via Webcam usando WebRTC (vídeo) ou Snapshot (foto).
• Modo Snapshot: Alta estabilidade para uso em nuvem e redes com restrições.
• Suporte a 80 classes do dataset COCO.
• Interface amigável com Streamlit.
• Configuração via variáveis de ambiente.
• Suporte a Git LFS para arquivos de pesos do modelo.

🛠️ Instalação

Pré-requisitos

• Python 3.9+
• Git LFS

Passo a Passo

1. Clone o repositório:

   git clone https://huggingface.co/spaces/PedroM2626/YOLO-Detection-Transfer_Learning
   cd YOLO-Detection-Transfer_Learning
   

2. Instale o Git LFS e puxe os arquivos grandes:

   git lfs install
   git lfs pull
   

3. Crie um ambiente virtual e instale as dependências:

   python -m venv venv
   source venv/bin/activate  # No Windows: venv\Scripts\activate
   pip install -r requirements.txt
   

4. Configure as variáveis de ambiente: Copie o arquivo .env.example para .env e ajuste se necessário.

   cp .env.example .env
   

💻 Uso

Para rodar a aplicação localmente:

streamlit run streamlit_app.py

🧪 Testes

O projeto inclui testes unitários, de integração e de aceitação.

Para executar os testes:

pytest

📁 Estrutura do Projeto

• models/: Contém os arquivos de configuração, pesos e nomes das classes do YOLO.
• tests/: Testes automatizados.
• streamlit_app.py: Interface principal da aplicação.
• yolo_inference.py: Lógica de inferência do modelo.
• Dockerfile: Configuração para deploy no Hugging Face Spaces.
• .env.example: Modelo de variáveis de ambiente.
• .gitattributes: Configuração do Git LFS.

📄 Licença

Este projeto está sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.