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=
|
32 |
-
description=
|
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 = '
|
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):
|