app.py

# -----------------------------
# app.py - Detección de objetos con DETR y Gradio (imagen + datos)
# -----------------------------

# -----------------------------
# Librerías utilizadas y justificación
# -----------------------------
# transformers: permite usar modelos preentrenados como DETR para detección de objetos.
# DetrImageProcessor: preprocesa imágenes para que DETR las interprete correctamente.
# DetrForObjectDetection: modelo DETR preentrenado para detectar objetos en imágenes.
# torch: cálculos con tensores para inferencia con PyTorch.
# PIL.Image y ImageDraw: manipulación de imágenes y dibujo de cajas y etiquetas.
# gradio: crear interfaces web interactivas de manera sencilla.

from transformers import DetrImageProcessor, DetrForObjectDetection
import torch
from PIL import Image, ImageDraw, ImageFont
import gradio as gr

# -----------------------------
# Cargar modelo preentrenado
# -----------------------------
processor = DetrImageProcessor.from_pretrained("facebook/detr-resnet-50")
model = DetrForObjectDetection.from_pretrained("facebook/detr-resnet-50")

# -----------------------------
# Función de detección
# -----------------------------
def detect_objects(image):
    """
    Detecta objetos en la imagen y retorna:
    - Imagen con cajas y etiquetas
    - Texto con los objetos detectados y coordenadas
    """
    width, height = image.size

    # Preprocesamiento
    inputs = processor(images=image, return_tensors="pt", padding=True)

    # Inferencia
    with torch.no_grad():
        outputs = model(**inputs)

    # Postprocesamiento
    target_sizes = torch.tensor([[height, width]])
    results = processor.post_process_object_detection(
        outputs, target_sizes=target_sizes, threshold=0.9
    )[0]

    labels = results["labels"]
    scores = results["scores"]
    boxes = results["boxes"]

    # -----------------------------
    # Preparar la imagen con detecciones
    # -----------------------------
    image_drawn = image.copy()
    draw = ImageDraw.Draw(image_drawn)
    try:
        font = ImageFont.truetype("arial.ttf", 16)
    except:
        font = ImageFont.load_default()

    for score, label, box in zip(scores, labels, boxes):
        box = [float(b) for b in box]

        # Ajustar coordenadas dentro de la imagen
        box[0] = max(0, min(box[0], width))
        box[1] = max(0, min(box[1], height))
        box[2] = max(0, min(box[2], width))
        box[3] = max(0, min(box[3], height))

        # Dibujar caja roja
        draw.rectangle(box, outline="red", width=3)

        # Preparar etiqueta con margen y fondo blanco
        label_text = f"{label} {score:.2f}"
        text_width, text_height = draw.textsize(label_text, font=font)
        text_padding = 4  # margen en pixeles

        # Determinar posición de la etiqueta
        text_x0 = box[0]
        text_y0 = max(0, box[1] - text_height - 2*text_padding)
        text_x1 = text_x0 + text_width + 2*text_padding
        text_y1 = text_y0 + text_height + 2*text_padding

        # Fondo blanco para la etiqueta
        draw.rectangle([text_x0, text_y0, text_x1, text_y1], fill="white")
        # Texto en negro encima del fondo blanco
        draw.text((text_x0 + text_padding, text_y0 + text_padding), label_text, fill="black", font=font)

    # -----------------------------
    # Preparar texto de resultados
    # -----------------------------
    detected_objects_text = []
    for score, label, box in zip(scores, labels, boxes):
        detected_objects_text.append(
            f"Objeto: {label}, Score: {score:.2f}, Box: {box.tolist()}"
        )
    detected_objects_text = "\n".join(detected_objects_text)

    # Retornar: (imagen procesada, resultados en texto)
    return image_drawn, detected_objects_text

# -----------------------------
# Crear interfaz con Gradio
# -----------------------------
def create_interface():
    """
    Interfaz con dos cuadros:
    - Imagen con detección visual
    - Texto con coordenadas y scores
    """
    interface = gr.Interface(
        fn=detect_objects,
        inputs=gr.Image(type="pil"),
        outputs=[gr.Image(type="pil", label="Imagen con Detección"),
                 gr.Textbox(label="Resultados (datos)")],
        live=True,
        title="Detección de Objetos con DETR",
        description=(
            "Sube una imagen y obtén la detección de objetos. "
            "El primer cuadro muestra la imagen con cajas rojas y etiquetas (ahora con fondo blanco). "
            "El segundo cuadro muestra los datos: objetos detectados, scores y coordenadas."
        )
    )
    interface.launch()

# -----------------------------
# Ejecutar la aplicación
# -----------------------------
if __name__ == "__main__":
    create_interface()

# -----------------------------
# Justificaciones y decisiones
# -----------------------------
# 1. Separar imagen y datos mejora la visualización y comprensión.
# 2. Fondo blanco en etiquetas evita que el texto quede recortado o sobre fondo rojo/imagen.
# 3. text_padding asegura un margen entre el borde del recuadro y el texto.
# 4. threshold=0.9 evita falsos positivos y mantiene solo predicciones confiables.
# 5. PIL.ImageDraw se usa para dibujar cajas y etiquetas sin modificar la imag