Fix-gitignore

.gitignore

@@ -0,0 +1,15 @@
+# Byte-compiled / optimized / DLL files
+__pycache__/
+*.py[cod]
+*$py.class
+
+# Environments
+aidentify/
+llm_aidentify/
+
+# Saved images
+saved_images/
+output_*.jpg
+
+# Jupyter Notebook checkpoints
+.ipynb_checkpoints/

app.py

@@ -297,22 +297,25 @@ async def llm_to_process_image_simple_auto(risk_level, image_path, point1, point
     debug_image_name = "masked_image.jpg" # デバッグ画像名を具体的に
     debug_image_path = os.path.join("./saved_images", debug_image_name)
 
-    # 非同期メソッドをawaitで呼び出す
-    response = Objectdetector.detect_auto(image_path)
-    print(f"削除対象オブジェクト: {response['objects_to_remove']}")
-    Objectdetector.prompt_objects = response["objects_to_remove"]
-
     # 個人情報流出に関する事例を検索し、クリーンなコンテンツを取得
-    scraper = WebScraper(headless=True)
-    # ここでasyncio.run()は不要。単にawaitする
+    scraper = WebScraper(headless=False)
     personal_breach_docs = await scraper.get_processed_documents(
         search_query="個人情報流出 事例 SNS",
         num_search_results=10
     )
 
-    print(f"取得したドキュメント: {personal_breach_docs}")
-    Objectdetector.text = personal_breach_docs["cleaned_html_content"]
+    # 取得したドキュメントを結合し、Objectdetectorのテキストとして設定
+    if personal_breach_docs:
+        # personal_breach_docsは辞書のリストなので、各辞書からコンテンツを取り出して結合します
+        all_content = "\n\n---\n\n".join([doc['cleaned_html_content'] for doc in personal_breach_docs])
+        Objectdetector.text = all_content
+        print(f"Webスクレイピングの結果をコンテキストとして設定しました。文字数: {len(all_content)}")
 
+    # Webスクレイピングの結果を資料として渡し、リスク分析を実行
+    response = Objectdetector.detect_auto(image_path)
+    print(f"削除対象オブジェクト: {response['objects_to_remove']}")
+    Objectdetector.prompt_objects = response["objects_to_remove"]
+    
     # 画像の読み込みとRGB変換
     print(f"Objectdetector.prompt_objects: {Objectdetector.prompt_objects}")
     image = cv2.imread(image_path)
@@ -325,8 +328,8 @@ async def llm_to_process_image_simple_auto(risk_level, image_path, point1, point
     image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
     mask_llm = np.zeros(image.shape[:2], dtype=np.uint8)
 
-    # 非同期メソッドをawaitで呼び出す
-    llm_results = await Objectdetector.detect_objects(image_path)
+    # LLMによるオブジェクト検出を実行
+    llm_results = Objectdetector.detect_objects(image_path)
     print(f"LLM検出結果: {llm_results}")
 
     for result in llm_results:
@@ -1180,6 +1183,3 @@ async def mosaic_faces(reference_image: UploadFile = File(...), test_image: Uplo
 async def read_root(request: Request):
     
     return templates.TemplateResponse("index.html", {"request": request})
-
-
-

requirements.txt

@@ -1,5 +1,5 @@
 annotated-types==0.7.0
-# easyocr # 必要であれば、競合回避のため個別に対策を検討
+
 anyio==4.6.2.post1
 certifi==2024.8.30
 charset-normalizer==3.4.0
@@ -27,11 +27,11 @@ mpmath==1.3.0
 nest-asyncio==1.6.0
 networkx==3.4.2
 numpy==1.26.4
-# opencv-python==4.10.0.84 # headlessを使用するためコメントアウト
+
 opencv-python-headless==4.10.0.84
 packaging==24.1
 pandas==2.2.3
-Pillow==9.5.0 # moondreamの制約がなくなるため、元のバージョンに戻す
+Pillow==9.5.0
 psutil==6.1.0
 py-cpuinfo==9.0.0
 pycocotools==2.0.8
@@ -50,7 +50,7 @@ scikit-learn==1.5.2
 scipy==1.14.1
 seaborn==0.13.2
 setuptools==75.3.0
-simple-lama-inpainting==0.1.2 # Pillow 9.5.0 とは互換性があるはず
+simple-lama-inpainting==0.1.2 
 six==1.16.0
 sniffio==1.3.1
 starlette==0.41.2

templates/index.html

@@ -459,7 +459,7 @@
                 hideLoadingSpinner();
                 return;
             }
-            processImageRequest(formData, "https://rein0421-aidentify.hf.space" + apiEndpoint);
+            processImageRequest(formData, "http://localhost:7860" + apiEndpoint);
         }
         function processFaceImage() {
             if (!resizedImageBlob2 || !faceImageBlob) {