Распознование цвета товара с использованием EfficientNet-B3

---

Команда

1. Ритупарн Шукла (Тим Лид)
2. Тим Згейби (Full-Stack Разработчик) github
3. Гильермо Себастьян Тикона Пералес (Разработчик МО) github
4. Дарвеши Гитон-Баптсит (Разработчик МО) github

---

Сайт

Для запуска приложения, находясь в корневой директории проекта, выполните команду:

docker compose up

Затем откройте localhost:5000 в браузере.

На главной странице можно попробовать модель, перетащив изображение товара в окно, чтобы получить распознованный цвет товара и 5 наиболее вероятных цветов.

Описание

В этом проекте используется предварительно обученная нейронная сеть на базе EfficientNet-B3 для распознавания цвета продукта по изображению, которое мы обучили на основе данного набора данных.

Установка зависимостей

Перед запуском убедитесь, что у вас установлены все необходимые библиотеки:

pip install -r requirements.txt

Описание работы

1. Загружает изображение товара.
2. Преобразует его с помощью torchvision.transforms (изменение размера, нормализация, изменение яркости, контраста и т. д.).
3. Загружает модель EfficientNet-B3 и подгружает веса из файла general_3_reg.pth.
4. Передает изображение в модель.
5. Выдает 5 наиболее вероятных цветов и их вероятности.
6. Выдает все 19 возможных цветов с их вероятностями.

Поддерживаемые цвета

Список возможных цветов на выходе модели:

• бежевый
• белый
• бирюзовый
• бордовый
• голубой
• желтый
• зеленый
• золотой
• коричневый
• красный
• оранжевый
• разноцветный
• розовый
• серебристый
• серый
• синий
• фиолетовый
• черный

Пример вывода

Запишите локальный путь к фото: example.jpg
Товар имеет цвет: красный

Топ-5 наиболее вероятных цветов: {'красный': '0.85', 'оранжевый': '0.07', 'розовый': '0.03', 'коричневый': '0.02', 'белый': '0.01'}

Топ-19 наиболее вероятных цветов: {'красный': '0.85', 'оранжевый': '0.07', ..., 'черный': '0.001'}