Этот проект представляет собой систему обработки изображений для фото ловушек с использованием Gradio и FastAPI. Он позволяет автоматически детектировать и классифицировать объекты на изображениях, а также визуализировать результаты.

• Основные возможности
• Использование
  • Локальный запуск
  • Запуск в Docker контейнере
  • Переменные окружения
• Структура проекта
• Внесение вклада
• Лицензия

• Запуск проекта в контейнере на любых машинах
• Выбор видов животных для учета
• Детекция и определение видов на фотографии
• Визуализация результатов в удобном интерфейсе
• Скачивание результатов в формате CSV

1. Установите виртуальное окружение:

   conda create -n animal_tracking python=3.9 -y
   conda activate animal_tracking
   pip install --upgrade pip  # поддержка PEP 660

2. Установите необходимые библиотеки:

   pip install -r requirements.txt

3. Запустите веб-интерфейс на localhost:8000:

   python3 src/main.py

4. Закиньте zip архив data/test.zip в инпут блок веб интерфейса. Или любой зип арзив такого формата:

.zip
├── camera_1
│   ├── IMG_0001.JPG
│   ├── IMG_0002.JPG
│   ├── IMG_0003.PNG
│   └── ...
└── camera_2
    ├── IMG_0016.JPG
    ├── IMG_0017.JPG
    └── ...

1. Выполните команду в терминале:

   docker compose up --build

2. При необходимости измените порты и переменные окружения в файле docker-compose.yaml.

DATA_FOLDER = os.getenv("DATA_FOLDER", "data") # папка для временных файлов
SPICES_FILE = os.getenv("SPICES_FILE", "src/env/spices.json") # файл с видами
BATCH_SIZE = int(os.getenv("BATCH_SIZE", 32)) # кол-во файлов одновременной обработки
YOLO_PATH = os.getenv("YOLO_PATH", "weights/yolo.pt") # путь к весам

animal_tracking
├── assests                 # Папка с ассетами, такими как изображения и другие статические файлы
├── data                    # Папка для хранения данных
├── weights                 # Папка с весами моделей
├── src                     # Исходный код проекта
│   ├── app
│   │   ├── gradio_app.py   # Основной файл приложения Gradio
│   │   └── utils.py        # Утилиты для приложения Gradio
│   ├── detection
│   │   ├── predict.py      # Файл для предсказаний детекции
│   │   └── utils.py        # Утилиты для детекции
│   ├── registration
│   │   ├── predict.py      # Файл для регистрации
│   │   └── utils.py        # Утилиты для регистрации
│   ├── env
│   │   ├── env.py          # Файл для управления окружением
│   │   └── spices.json     # Файл с видами животных
│   └── main.py             # Главный файл для запуска приложения
├── docker-compose.yaml     # Конфигурация для Docker Compose
├── dockerfile              # Dockerfile для сборки образа
├── LICENSE                 # Лицензионный файл
├── makefile                # Makefile для автоматизации задач
├── README.md               # Файл с описанием проекта
└── requirements.txt        # Список зависимостей проекта

• Участники могут открывать Pull Requests (PRs).
• Любая помощь в управлении issues и PRs очень ценится!
• Просим использовать google docstring.
• Выделять новые функции в отдельные модули.

Этот проект лицензирован под лицензией Apache 2.0. Подробности смотрите в файле LICENSE.

Для получения дополнительной информации и инструкций, пожалуйста, обратитесь к документации или создайте issue в репозитории.