File size: 1,264 Bytes
caff9fa
e5f4670
b0b4e93
caff9fa
e5f4670
b0b4e93
e5f4670
caff9fa
e5f4670
b0b4e93
e5f4670
b0b4e93
caff9fa
b0b4e93
caff9fa
 
 
e5f4670
caff9fa
e5f4670
 
caff9fa
e5f4670
b0b4e93
 
e5f4670
b0b4e93
 
 
 
 
 
 
e5f4670
b0b4e93
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
import torch
from transformers import AutoImageProcessor, AutoModelForImageSegmentation
from PIL import Image
import requests
import gradio as gr

# لود پردازشگر تصویر و مدل
processor = AutoImageProcessor.from_pretrained("facebook/sapiens")
model = AutoModelForImageSegmentation.from_pretrained("facebook/sapiens")

# تابع برای پردازش تصویر ورودی و اعمال مدل بر روی آن
def segment_image(image):
    # پردازش تصویر
    inputs = processor(images=image, return_tensors="pt")
    
    # اجرای مدل روی تصویر پردازش شده
    with torch.no_grad():
        outputs = model(**inputs)
    
    # فرض می‌کنیم خروجی یک ماسک است (مثل کلاس‌بندی پیکسل‌ها)
    segmentation = outputs.logits.argmax(dim=1).detach().cpu().numpy()[0]
    
    # بازگرداندن نتیجه به صورت تصویر
    return Image.fromarray(segmentation)

# ایجاد رابط Gradio برای بارگذاری تصویر و نمایش نتیجه
interface = gr.Interface(
    fn=segment_image,
    inputs=gr.Image(type="pil"),
    outputs=gr.Image(type="pil"),
    title="Sapiens Body Part Segmentation"
)

# اجرای برنامه
interface.launch()