---
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:**
    ```bash
    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:**
    ```bash
    git lfs install
    git lfs pull
    ```

3.  **Crie um ambiente virtual e instale as dependências:**
    ```bash
    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.
    ```bash
    cp .env.example .env
    ```

## 💻 Uso

Para rodar a aplicação localmente:
```bash
streamlit run streamlit_app.py
```

## 🧪 Testes

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

Para executar os testes:
```bash
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](LICENSE) para mais detalhes.