Create app.py

app.py

@@ -0,0 +1,62 @@
+import gradio as gr
+from ultralytics import YOLO
+import cv2
+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
+
+# Fonction pour la détection sur vidéo (frame par frame)
+def detect_objects_video(video):
+    cap = cv2.VideoCapture(video)
+    frames = []
+
+    while cap.isOpened():
+        ret, frame = cap.read()
+        if not ret:
+            break
+        results = model(frame)
+        annotated = results[0].plot()
+        frames.append(annotated)
+
+    cap.release()
+
+    # Convertir la liste de frames en vidéo
+    output_path = "annotated_video.mp4"
+    height, width, _ = frames[0].shape
+    out = cv2.VideoWriter(output_path, cv2.VideoWriter_fourcc(*'mp4v'), 20, (width, height))
+    for frame in frames:
+        out.write(cv2.cvtColor(frame, cv2.COLOR_RGB2BGR))
+    out.release()
+
+    return output_path
+
+# Interfaces Gradio
+image_interface = gr.Interface(
+    fn=detect_objects_image,
+    inputs=gr.Image(type="numpy", label="Image à analyser"),
+    outputs=gr.Image(type="numpy", label="Image annotée"),
+    title="Détection sur Image"
+)
+
+video_interface = gr.Interface(
+    fn=detect_objects_video,
+    inputs=gr.Video(label="Vidéo à analyser"),
+    outputs=gr.Video(label="Vidéo annotée"),
+    title="Détection sur Vidéo"
+)
+
+# Interface avec onglets
+demo = gr.TabbedInterface(
+    interface_list=[image_interface, video_interface],
+    tab_names=["Image", "Vidéo"],
+    theme='JohnSmith9982/small_and_pretty'
+)
+
+demo.launch()