Create app.py

app.py

@@ -0,0 +1,64 @@
+import gradio as gr
+from ultralytics import YOLO
+import cv2
+import os
+import torch
+import numpy as np
+# Charger le modèle YOLOv8 pré-entraîné
+model = YOLO("yolov8n.pt")
+
+# Fonction pour la détection sur image
+def detect_objects_image(img):
+    results = model(img)  # Détection
+    annotated_frame = results[0].plot()  # Annoter les résultats
+    return annotated_frame
+
+import tempfile
+# Fonction pour la détection sur vidéo
+def detect_objects_video(video):
+    # Si l'entrée est une chaîne, utiliser telle quelle. Sinon, utiliser .name (cas Gradio)
+    video_path = video.name if hasattr(video, 'name') else video
+
+    temp_output = tempfile.NamedTemporaryFile(suffix=".mp4", delete=False)
+    cap = cv2.VideoCapture(video_path)
+
+    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
+    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
+    fps = cap.get(cv2.CAP_PROP_FPS)
+
+    fourcc = cv2.VideoWriter_fourcc(*'mp4v')
+    out = cv2.VideoWriter(temp_output.name, fourcc, fps, (width, height))
+
+    while True:
+        ret, frame = cap.read()
+        if not ret:
+            break
+
+        results = model(frame)
+        annotated_frame = results[0].plot()
+        out.write(annotated_frame)
+
+    cap.release()
+    out.release()
+
+    return temp_output.name
+
+
+
+demo = gr.Blocks(theme='NoCrypt/miku')
+
+#Interface Gradio
+image_input = gr.Image(type='numpy',label="Image à analyser")
+image_output = gr.Image(type = 'numpy', label="Image annotée")
+
+video_input = gr.Video(label="Video à analyser")
+video_output = gr.Video(label="Video annotée")
+
+interface1 = gr.Interface(fn=detect_objects_image, inputs=image_input, outputs=image_output, title="Détection sur Image")
+
+interface2 = gr.Interface(fn=detect_objects_video, inputs=video_input, outputs=video_output, title="Détection sur Video")
+
+with demo:
+  gr.TabbedInterface([interface1, interface2], ['image detection', 'video detection'])
+
+demo.launch()