AleNunezArroyo commited on
Commit
6bdf257
·
1 Parent(s): 582c752

updates UI en Gradio

Browse files
README.md CHANGED
@@ -11,3 +11,6 @@ license: other
11
  ---
12
 
13
  Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
 
 
 
 
11
  ---
12
 
13
  Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
14
+
15
+
16
+
__pycache__/app.cpython-311.pyc ADDED
Binary file (3.21 kB). View file
 
app.py CHANGED
@@ -1,6 +1,31 @@
1
  import gradio as gr
2
  from utils.loading import load_model
3
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
4
  # Constantes que definen los límites mínimo y máximo para los sliders de Gradio
5
  MIN_CONF, MAX_CONF = 0, 1
6
  MIN_POS, MAX_POS = 1, 5
@@ -28,8 +53,14 @@ confidence_slider = gr.Slider(minimum=MIN_POS, maximum=MAX_POS, value=3, step=1,
28
  demo = gr.Interface(fn=process_image,
29
  inputs=[gr.Image(), pos_slider, confidence_slider],
30
  outputs=gr.Image(),
31
- title="Pose Detection App",
32
- description="Ajusta los parámetros y carga una imagen para detectar poses.",
33
- allow_flagging="never")
 
 
 
 
 
 
34
 
35
  demo.queue().launch()
 
1
  import gradio as gr
2
  from utils.loading import load_model
3
 
4
+ TITLE = 'Pose Detection App 🕺🤸‍♀️'
5
+ DESCRIPTION = '''
6
+ ## Descripción de la Aplicación 🚀🚀🚀
7
+
8
+ Esta aplicación permite a los usuarios cargar imágenes y aplicar un modelo de detección de poses para visualizar poses humanas. Combina la interfaz web de **Gradio** con **MediaPipe**, un framework para crear aplicaciones de inteligencia artificial de manera rápida y eficiente.
9
+
10
+ <img src="https://github.com/AleNunezArroyo/pose-detection-mediapipe/blob/main/demo.png?raw=true" style="display: block; margin: 0 auto; width: 50%; height: auto;">
11
+
12
+
13
+ ## Uso de la Aplicación:
14
+
15
+ - 1️⃣ **Carga de Imágenes**: Puedes cargar tus propias imágenes desde la galería, tomar fotografías a través de la interfaz de Gradio o probar los ejemplos.
16
+ - 2️⃣ **Ajuste de Parámetros**: Puedes ajustar dos parámetros usando deslizadores:
17
+ - `pos`: Define el nivel de confianza mínimo para la detección de poses.
18
+ - `confidence`: Define el número de poses a detectar.
19
+ - 2️⃣ **Visualización de Resultados**: La imagen cargada es procesada por el modelo de detección de poses, y los resultados se visualizan en la imagen devuelta a la interfaz de Gradio. También puedes descargar la imagen procesada.
20
+
21
+ ## Enlaces importantes:
22
+
23
+ No olvides dejar una estrella ⭐ y seguirme para más demos 🚀
24
+
25
+ - [Repositorio en GitHub](https://github.com/AleNunezArroyo/pose-detection-mediapipe)
26
+ - [Repositorio en HugginFace](https://huggingface.co/spaces/AleNunezArroyo/pose-detection-mediapipe/tree/main)
27
+ '''
28
+
29
  # Constantes que definen los límites mínimo y máximo para los sliders de Gradio
30
  MIN_CONF, MAX_CONF = 0, 1
31
  MIN_POS, MAX_POS = 1, 5
 
53
  demo = gr.Interface(fn=process_image,
54
  inputs=[gr.Image(), pos_slider, confidence_slider],
55
  outputs=gr.Image(),
56
+ title=TITLE,
57
+ description=DESCRIPTION,
58
+ allow_flagging="never",
59
+ examples=
60
+ [
61
+ ['examples/pexels-august-de-richelieu-4427430.jpg', 0.5, 5],
62
+ ['examples/pexels-danxavier-1121796.jpg', 0.9, 1],
63
+ ])
64
+
65
 
66
  demo.queue().launch()
examples/pexels-august-de-richelieu-4427430.jpg ADDED
examples/pexels-danxavier-1121796.jpg ADDED
{model → models}/pose_landmarker_heavy.task RENAMED
File without changes
utils/__pycache__/loading.cpython-311.pyc ADDED
Binary file (3.53 kB). View file
 
utils/loading.py CHANGED
@@ -6,7 +6,7 @@ from mediapipe.tasks import python
6
  from mediapipe.tasks.python import vision
7
 
8
  # Crear un objeto PoseLandmarker
9
- model_asset_path = 'model/pose_landmarker_heavy.task'
10
  base_options = python.BaseOptions(model_asset_path, delegate=python.BaseOptions.Delegate.CPU)
11
 
12
  def draw_landmarks_on_image(rgb_image, detection_result):
 
6
  from mediapipe.tasks.python import vision
7
 
8
  # Crear un objeto PoseLandmarker
9
+ model_asset_path = 'models/pose_landmarker_heavy.task'
10
  base_options = python.BaseOptions(model_asset_path, delegate=python.BaseOptions.Delegate.CPU)
11
 
12
  def draw_landmarks_on_image(rgb_image, detection_result):