Create app.py

app.py

@@ -0,0 +1,62 @@
+import gradio as gr
+from ultralytics import YOLO
+import cv2
+import numpy as np
+import tempfile
+import os
+
+# Charger le modèle YOLOv8 pré-entraîné
+model = YOLO("yolov8n.pt")
+
+# Fonction pour la détection sur image
+def detect_objects_image(img):
+    results = model(img)  # Détection
+    annotated_frame = results[0].plot()  # Annoter les résultats
+    return annotated_frame
+
+# Fonction pour la détection sur vidéo
+def detect_objects_video(video):
+    # Lire la vidéo uploadée
+    cap = cv2.VideoCapture(video)
+    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
+    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
+    fps = cap.get(cv2.CAP_PROP_FPS)
+
+    # Créer un fichier temporaire pour enregistrer la sortie
+    temp_output = tempfile.NamedTemporaryFile(delete=False, suffix=".mp4")
+    output_path = temp_output.name
+
+    fourcc = cv2.VideoWriter_fourcc(*'mp4v')
+    out = cv2.VideoWriter(output_path, fourcc, fps, (width, height))
+
+    while cap.isOpened():
+        ret, frame = cap.read()
+        if not ret:
+            break
+
+        results = model(frame)
+        annotated_frame = results[0].plot()
+        out.write(annotated_frame)
+
+    cap.release()
+    out.release()
+
+    return output_path
+
+# Interface Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("## Détection d'objets avec YOLOv8")
+
+    with gr.Tab("Image"):
+        image_input = gr.Image(type="numpy", label="Image à analyser")
+        image_output = gr.Image(type="numpy", label="Image annotée")
+        image_btn = gr.Button("Analyser l'image")
+        image_btn.click(fn=detect_objects_image, inputs=image_input, outputs=image_output)
+
+    with gr.Tab("Vidéo"):
+        video_input = gr.Video(label="Vidéo à analyser")
+        video_output = gr.Video(label="Vidéo annotée")
+        video_btn = gr.Button("Analyser la vidéo")
+        video_btn.click(fn=detect_objects_video, inputs=video_input, outputs=video_output)
+
+demo.launch()