Add ZKA detection application with YOLOv5

README.md

@@ -1,13 +1,56 @@
 ---
-title: Zka Detection
-emoji: 🦀
-colorFrom: indigo
-colorTo: pink
+title: ZKA Marchés CI - Détection d'Objets
+emoji: 🚦
+colorFrom: blue
+colorTo: purple
 sdk: gradio
-sdk_version: 6.2.0
+sdk_version: 4.44.0
 app_file: app.py
 pinned: false
 license: mit
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# 🚀 ZKA Marchés CI - Détection d'Objets par IA
+
+## 📋 Description
+
+**ZKA Marchés CI** est un système intelligent de gestion des flux dans les marchés d'Abidjan (Côte d'Ivoire) basé sur la vision par ordinateur avec **YOLOv5**.
+
+Cette application permet de détecter en temps réel:
+- 👥 **Personnes** - Pour la gestion des flux piétons
+- 🚗 **Véhicules** - Voitures, motos, bus, camions
+- 🚲 **Deux-roues** - Vélos, trottinettes
+- 🛒 **Objets de marché** - Mobilier urbain et infrastructure
+
+## 🎯 Objectifs du Projet
+
+Le projet vise à résoudre les problématiques majeures des marchés africains:
+
+- **Surpopulation** : Jusqu'à 50 000 personnes/jour dans certains marchés
+- **Sécurité** : Prévention des bousculades et accidents
+- **Congestion** : Gestion optimale des voies de circulation
+- **Données** : Collecte de statistiques fiables pour la planification urbaine
+
+## 🛠️ Technologies Utilisées
+
+- **YOLOv5** (Ultralytics) - Détection d'objets en temps réel
+- **PyTorch** - Framework de deep learning
+- **Gradio** - Interface web interactive
+- **OpenCV** - Traitement d'images
+
+## 🚀 Utilisation
+
+1. **Uploadez une image** ou utilisez les exemples fournis
+2. **Ajustez le seuil de confiance** selon vos besoins (0.1 à 0.9)
+3. **Choisissez la langue** des labels (Français 🇫🇷 ou English 🇬🇧)
+4. **Cliquez sur "Détecter les Objets"** pour lancer l'analyse
+
+## 📊 Capacités de Détection
+
+L'application peut détecter **80 classes d'objets** du dataset COCO.
+
+## 🎓 Contexte Académique
+
+Projet développé à **ESATIC** (École Supérieure Africaine des TIC) pour la gestion urbaine en Afrique.
+
+**Marchés ciblés:** Adjamé, Treichville, Cocody, Yopougon (Abidjan)

app.py

@@ -0,0 +1,315 @@
+"""
+ZKA Marchés CI - Détection d'Objets avec YOLOv5
+Application Gradio pour Hugging Face Spaces
+"""
+
+import gradio as gr
+import torch
+import cv2
+import numpy as np
+from PIL import Image
+import sys
+from pathlib import Path
+
+# Add YOLOv5 to path
+YOLOV5_ROOT = Path(__file__).resolve().parent
+if str(YOLOV5_ROOT) not in sys.path:
+    sys.path.insert(0, str(YOLOV5_ROOT))
+
+# Charger le modèle YOLOv5
+print("🔄 Chargement du modèle YOLOv5...")
+try:
+    model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)
+    model.conf = 0.25  # Seuil de confiance
+    model.iou = 0.45   # Seuil IoU pour NMS
+    print("✅ Modèle chargé avec succès!")
+except Exception as e:
+    print(f"❌ Erreur de chargement: {e}")
+    model = None
+
+# Traduction des classes en français
+CLASS_NAMES_FR = {
+    'person': 'Personne',
+    'bicycle': 'Vélo',
+    'car': 'Voiture',
+    'motorcycle': 'Moto',
+    'airplane': 'Avion',
+    'bus': 'Bus',
+    'train': 'Train',
+    'truck': 'Camion',
+    'boat': 'Bateau',
+    'traffic light': 'Feu de circulation',
+    'fire hydrant': 'Borne d\'incendie',
+    'stop sign': 'Panneau stop',
+    'parking meter': 'Parcomètre',
+    'bench': 'Banc',
+    'bird': 'Oiseau',
+    'cat': 'Chat',
+    'dog': 'Chien',
+    'horse': 'Cheval',
+    'sheep': 'Mouton',
+    'cow': 'Vache',
+    'elephant': 'Éléphant',
+    'bear': 'Ours',
+    'zebra': 'Zèbre',
+    'giraffe': 'Girafe',
+    'backpack': 'Sac à dos',
+    'umbrella': 'Parapluie',
+    'handbag': 'Sac à main',
+    'tie': 'Cravate',
+    'suitcase': 'Valise',
+    'frisbee': 'Frisbee',
+    'skis': 'Skis',
+    'snowboard': 'Snowboard',
+    'sports ball': 'Ballon de sport',
+    'kite': 'Cerf-volant',
+    'baseball bat': 'Batte de baseball',
+    'baseball glove': 'Gant de baseball',
+    'skateboard': 'Skateboard',
+    'surfboard': 'Planche de surf',
+    'tennis racket': 'Raquette de tennis',
+    'bottle': 'Bouteille',
+    'wine glass': 'Verre à vin',
+    'cup': 'Tasse',
+    'fork': 'Fourchette',
+    'knife': 'Couteau',
+    'spoon': 'Cuillère',
+    'bowl': 'Bol',
+    'banana': 'Banane',
+    'apple': 'Pomme',
+    'sandwich': 'Sandwich',
+    'orange': 'Orange',
+    'broccoli': 'Brocoli',
+    'carrot': 'Carotte',
+    'hot dog': 'Hot-dog',
+    'pizza': 'Pizza',
+    'donut': 'Donut',
+    'cake': 'Gâteau',
+    'chair': 'Chaise',
+    'couch': 'Canapé',
+    'potted plant': 'Plante en pot',
+    'bed': 'Lit',
+    'dining table': 'Table à manger',
+    'toilet': 'Toilettes',
+    'tv': 'Télévision',
+    'laptop': 'Ordinateur portable',
+    'mouse': 'Souris',
+    'remote': 'Télécommande',
+    'keyboard': 'Clavier',
+    'cell phone': 'Téléphone portable',
+    'microwave': 'Micro-ondes',
+    'oven': 'Four',
+    'toaster': 'Grille-pain',
+    'sink': 'Évier',
+    'refrigerator': 'Réfrigérateur',
+    'book': 'Livre',
+    'clock': 'Horloge',
+    'vase': 'Vase',
+    'scissors': 'Ciseaux',
+    'teddy bear': 'Ours en peluche',
+    'hair drier': 'Sèche-cheveux',
+    'toothbrush': 'Brosse à dents'
+}
+
+def detect_objects(image, confidence_threshold, language):
+    """
+    Détecte les objets dans une image
+    
+    Args:
+        image: Image PIL
+        confidence_threshold: Seuil de confiance (0-1)
+        language: Langue pour les labels ('fr' ou 'en')
+    
+    Returns:
+        image_result: Image avec les bounding boxes
+        stats_text: Statistiques de détection
+        detections_html: Tableau HTML des détections
+    """
+    if model is None:
+        return None, "❌ Modèle non chargé", ""
+    
+    if image is None:
+        return None, "❌ Aucune image fournie", ""
+    
+    try:
+        # Mettre à jour le seuil de confiance
+        model.conf = confidence_threshold
+        
+        # Effectuer la détection
+        results = model(image)
+        
+        # Obtenir les détections
+        detections = results.pandas().xyxy[0]
+        
+        # Créer l'image avec les bounding boxes
+        img_result = np.array(results.render()[0])
+        img_result = Image.fromarray(img_result)
+        
+        # Statistiques
+        num_detections = len(detections)
+        
+        if num_detections == 0:
+            stats_text = "🔍 Aucun objet détecté"
+            detections_html = ""
+        else:
+            # Compter les objets par classe
+            class_counts = detections['name'].value_counts().to_dict()
+            
+            # Texte des statistiques
+            stats_text = f"✅ **{num_detections} objet(s) détecté(s)**\n\n"
+            stats_text += "**Répartition par classe:**\n"
+            for class_name, count in class_counts.items():
+                if language == 'fr' and class_name in CLASS_NAMES_FR:
+                    class_name = CLASS_NAMES_FR[class_name]
+                stats_text += f"- {class_name}: {count}\n"
+            
+            # Tableau HTML des détections
+            detections_html = "<table style='width:100%; border-collapse: collapse;'>"
+            detections_html += "<tr style='background-color: #f2f2f2;'>"
+            detections_html += "<th style='border: 1px solid #ddd; padding: 8px;'>Classe</th>"
+            detections_html += "<th style='border: 1px solid #ddd; padding: 8px;'>Confiance</th>"
+            detections_html += "<th style='border: 1px solid #ddd; padding: 8px;'>Position (x1, y1, x2, y2)</th>"
+            detections_html += "</tr>"
+            
+            for idx, row in detections.iterrows():
+                class_name = row['name']
+                if language == 'fr' and class_name in CLASS_NAMES_FR:
+                    class_name = CLASS_NAMES_FR[class_name]
+                
+                conf = row['confidence']
+                x1, y1, x2, y2 = int(row['xmin']), int(row['ymin']), int(row['xmax']), int(row['ymax'])
+                
+                detections_html += f"<tr>"
+                detections_html += f"<td style='border: 1px solid #ddd; padding: 8px;'>{class_name}</td>"
+                detections_html += f"<td style='border: 1px solid #ddd; padding: 8px;'>{conf:.2%}</td>"
+                detections_html += f"<td style='border: 1px solid #ddd; padding: 8px;'>({x1}, {y1}, {x2}, {y2})</td>"
+                detections_html += "</tr>"
+            
+            detections_html += "</table>"
+        
+        return img_result, stats_text, detections_html
+    
+    except Exception as e:
+        error_msg = f"❌ Erreur lors de la détection: {str(e)}"
+        return None, error_msg, ""
+
+# Interface Gradio
+with gr.Blocks(theme=gr.themes.Soft(), title="ZKA - Détection d'Objets") as demo:
+    
+    gr.Markdown("""
+    # 🚀 ZKA Marchés CI - Détection d'Objets par IA
+    
+    ### Système intelligent de gestion des flux dans les marchés d'Abidjan
+    
+    Cette application utilise **YOLOv5** pour détecter en temps réel différents objets dans vos images.
+    Développée dans le cadre d'un projet de gestion des flux humains et véhicules dans les marchés d'Abidjan.
+    
+    📌 **Instructions:**
+    1. Uploadez une image ou utilisez un exemple
+    2. Ajustez le seuil de confiance si nécessaire
+    3. Choisissez la langue des labels
+    4. Cliquez sur "🔍 Détecter les Objets"
+    """)
+    
+    with gr.Row():
+        with gr.Column(scale=1):
+            # Entrées
+            input_image = gr.Image(
+                type="pil",
+                label="📸 Image d'entrée",
+                height=400
+            )
+            
+            confidence_slider = gr.Slider(
+                minimum=0.1,
+                maximum=0.9,
+                value=0.25,
+                step=0.05,
+                label="🎯 Seuil de confiance",
+                info="Plus la valeur est élevée, plus les détections sont précises (mais moins nombreuses)"
+            )
+            
+            language_radio = gr.Radio(
+                choices=[("Français 🇫🇷", "fr"), ("English 🇬🇧", "en")],
+                value="fr",
+                label="🌍 Langue des labels"
+            )
+            
+            detect_btn = gr.Button("🔍 Détecter les Objets", variant="primary", size="lg")
+            
+            gr.Markdown("""
+            ### 🎯 Objets détectables:
+            
+            **Transport & Mobilité:**
+            - Personnes, véhicules (voitures, motos, bus, camions)
+            - Vélos, trottinettes
+            
+            **Infrastructure & Commerce:**
+            - Mobilier urbain (bancs, tables)
+            - Objets de marché
+            
+            **Total:** 80 classes d'objets COCO
+            """)
+        
+        with gr.Column(scale=1):
+            # Sorties
+            output_image = gr.Image(
+                type="pil",
+                label="✅ Image avec détections",
+                height=400
+            )
+            
+            stats_output = gr.Markdown(label="📊 Statistiques")
+            
+            detections_table = gr.HTML(label="📋 Détails des détections")
+    
+    # Exemples
+    gr.Markdown("### 📷 Exemples d'images")
+    gr.Examples(
+        examples=[
+            ["https://images.unsplash.com/photo-1573164713988-8665fc963095?w=800", 0.25, "fr"],
+            ["https://images.unsplash.com/photo-1449824913935-59a10b8d2000?w=800", 0.25, "fr"],
+            ["https://images.unsplash.com/photo-1519046904884-53103b34b206?w=800", 0.3, "fr"],
+        ],
+        inputs=[input_image, confidence_slider, language_radio],
+        outputs=[output_image, stats_output, detections_table],
+        fn=detect_objects,
+        cache_examples=False,
+    )
+    
+    # Actions
+    detect_btn.click(
+        fn=detect_objects,
+        inputs=[input_image, confidence_slider, language_radio],
+        outputs=[output_image, stats_output, detections_table]
+    )
+    
+    gr.Markdown("""
+    ---
+    
+    ### 📖 À propos du projet
+    
+    **ZKA Marchés CI** est un système intelligent de gestion des flux dans les marchés d'Abidjan basé sur YOLOv5.
+    
+    **Objectifs:**
+    - Détection en temps réel des personnes et véhicules
+    - Prévention de la surpopulation
+    - Gestion optimale de l'espace
+    - Amélioration de la sécurité
+    
+    **Technologies:**
+    - YOLOv5 (Ultralytics)
+    - PyTorch
+    - Gradio
+    
+    **Développé par:** ESATIC (École Supérieure Africaine des TIC)
+    
+    ---
+    
+    💡 **Conseil:** Pour de meilleurs résultats, utilisez des images claires avec un bon éclairage.
+    """)
+
+# Lancer l'application
+if __name__ == "__main__":
+    print("🚀 Lancement de l'application ZKA...")
+    demo.launch()

requirements.txt

@@ -0,0 +1,8 @@
+gradio>=4.0.0
+torch>=2.0.0
+torchvision>=0.15.0
+ultralytics>=8.0.0
+opencv-python>=4.8.0
+pillow>=10.0.0
+numpy>=1.24.0
+pandas>=2.0.0