README.md

metadata

title: Plan Points
emoji: 🏃
colorFrom: gray
colorTo: pink
sdk: gradio
sdk_version: 5.18.0
app_file: app.py
pinned: false
license: apache-2.0
short_description: Получение координат углов  на изображениях планов помещений

Plan Points - Детекция комнат по плану помещения

Описание проекта

Plan Points — это проект, который преобразует планы помещений в координаты опорных точек (углов). С использованием предобученной модели YOLO и Gradio, приложение позволяет:

• Загружать изображение плана помещения
• Выполнять детекцию объектов класса "room"
• Выводить аннотированное изображение с наложенными полигонами
• Отображать список координат углов для каждой обнаруженной комнаты

Особенности

• Детекция комнат: Использование модели YOLO для выявления помещений на плане.
• Упрощение полигона: Оптимизация набора точек для выделения действительных углов комнат.
• Gradio-интерфейс: Удобное веб-приложение для демонстрации работы модели.
• Интеграция с Hugging Face Spaces: Легкое развертывание проекта в облаке.

Быстрый старт

Локальный запуск с использованием Docker

Для запуска приложения локально через Docker выполните следующие шаги:

1. Убедитесь, что у вас установлен Docker.

2. Скачайте Docker-образ:

   docker pull danielnru/plan_points
   

3. Запустите контейнер:

   Если у вас доступен GPU, используйте команду:

   docker run --gpus all -p 7860:7860 danielnru/plan_points
   

   Если GPU не используется, запустите контейнер так:

   docker run -p 7860:7860 danielnru/plan_points
   

4. Откройте приложение в браузере:

   После успешного запуска контейнера откройте браузер и перейдите по адресу:

   http://localhost:7860
   

   Здесь вы сможете воспользоваться Gradio-интерфейсом для загрузки изображений и получения результатов детекции комнат.

Развертывание на Hugging Face Spaces

Проект уже настроен для работы на Hugging Face Spaces. Для развертывания:

1. Клонируйте репозиторий:

   git clone https://huggingface.co/spaces/DanielNRU/plan_points
   

2. Добавьте или обновите файл app.py и requirements.txt (если необходимо).
3. Разместите файл model.pt в корневой директории.
4. Закоммитьте и запушьте изменения:

   git add .
   git commit -m "Обновление приложения"
   git push
   

После сборки ваш Space будет доступен по соответствующему URL.

Структура проекта

.
├── app.py               # Основное приложение Gradio
├── model.pt             # Файл весов модели YOLO
├── requirements.txt     # Зависимости Python
└── README.md            # Описание проекта

Зависимости

Проект использует следующие Python-библиотеки:

• gradio – для создания веб-интерфейса
• opencv-python-headless – для работы с изображениями
• numpy – для математических операций
• ultralytics – для работы с моделью YOLO
• torch и torchvision – для работы с deep learning моделями

Все зависимости перечислены в файле requirements.txt.

Контакты

Разработчик:
Мельник Даниил Владимирович
GitHub: DanielNRU
Hugging Face: DanielNRU