Данная работа представляет из себя нейросеть для обнаружения опасных кадров, метода обнаружение резкого изменения контраста и сервер, для того чтобы можно было иметь нейросеть на одном устройстве.
Проект является частью магистерской выпускной квалификационной работы по образовательной программе "Технологии разработки компьютерных игр" Школы разработки видеоигр Университета ИТМО.
Данный программный комплекс позволяет развернуть сервер с тестированием кадров опасных для эпилептиков.
В файле /ml/model.py вы можете настроить ссылки для запросов к определенным функциям.
В файле /ml/views.py реализация функций, с которыми взаимодействует клиент путем POST запросов.
Каталог /ml/modelTF содержит необходимый код для создания модели, тестовый набор данных и саму модель, если вы хотите обучить модель с нуля, то удалите каталог /ml/modelTF/model .
pip install django tensorflow PIL numpy cv2
using System;
using System.Diagnostics;
using System.Net.Http;
using System.Reflection;
using System.Threading.Tasks;
using (HttpClient client = new HttpClient())
using (MultipartFormDataContent form = new MultipartFormDataContent())
{
string currentDirectory = Path.GetDirectoryName(Process.GetCurrentProcess().MainModule.FileName);
// Добавление файлов к форме
form.Add(new ByteArrayContent(System.IO.File.ReadAllBytes("Путь до\\image1.jpg")), "image1", "image1.jpg");
form.Add(new ByteArrayContent(System.IO.File.ReadAllBytes("\\image2.jpg")), "image2", "image2.jpg");
// Отправка POST запроса
HttpResponseMessage response = await client.PostAsync("http://127.0.0.1/test/", form);
// Обработка ответа от сервера
if (response.IsSuccessStatusCode)
{
string responseBody = await response.Content.ReadAsStringAsync();
Console.WriteLine("Ответ от сервера: " + responseBody);
}
else
{
Console.WriteLine("Ошибка при загрузке файлов. Код ошибки: " + response.StatusCode);
}
Console.ReadKey();
}