Upload 5 files

Dockerfile

@@ -0,0 +1,27 @@
+FROM python:3.10.13-slim
+
+
+WORKDIR /app
+
+COPY ./requirements.txt /app/requirements.txt
+
+RUN apt-get update &&  apt-get install -y && rm -rf /var/lib/apt/lists/*
+RUN pip3 install --no-cache-dir -r /app/requirements.txt
+
+# User
+RUN useradd -m -u 1000 user
+USER user
+ENV HOME /home/user
+ENV PATH $HOME/.local/bin:$PATH
+
+WORKDIR $HOME
+RUN mkdir app
+WORKDIR $HOME/app
+COPY . $HOME/app
+
+EXPOSE 8501
+CMD streamlit run yolov10_deploy.py \
+    --server.headless true \
+    --server.enableCORS false \
+    --server.enableXsrfProtection false \
+    --server.fileWatcherType none

requirements.txt

@@ -0,0 +1,3 @@
+streamlit
+gradio
+ultralytics

yolov10_deploy.py

@@ -0,0 +1,26 @@
+import streamlit as st
+from ultralytics import YOLO
+from PIL import Image
+import numpy as np
+
+# Khởi tạo model YOLOv8s
+model = YOLO("yolov10n.pt")  # Đường dẫn tới model YOLOv10n đã huấn luyện sẵn
+
+st.title("YOLOv10 Image Prediction")
+
+# Tải tệp ảnh đầu vào
+uploaded_file = st.file_uploader("Chọn một tệp ảnh", type=["jpg", "jpeg", "png"])
+
+if uploaded_file is not None:
+    # Hiển thị ảnh đầu vào
+    image = Image.open(uploaded_file)
+    st.image(image, caption="Ảnh đầu vào", use_column_width=True)
+    # Nút "Predict" để chạy mô hình
+    if st.button("Predict"):
+        # Chạy dự đoán với YOLO
+        results = model.predict(source=np.array(image))
+        # Lấy ảnh kết quả từ mô hình
+        result_image = results[0].plot()  # Vẽ bounding box lên ảnh gốc
+        # Hiển thị ảnh kết quả
+        st.image(result_image, caption="Kết quả dự đoán", use_column_width=True)
+

yolov10_gr.py

@@ -0,0 +1,29 @@
+import gradio as gr
+from ultralytics import YOLO
+from PIL import Image
+import numpy as np
+
+# Khởi tạo model YOLOv8s
+model = YOLO("yolov10n.pt")  # Đường dẫn tới model YOLOv10n đã huấn luyện sẵn
+
+# Hàm xử lý dự đoán ảnh
+def predict_image(image):
+    # Chuyển đổi ảnh đầu vào thành định dạng NumPy
+    np_image = np.array(image)
+    # Chạy dự đoán với YOLO
+    results = model.predict(source=np_image)
+    # Vẽ bounding boxes lên ảnh gốc
+    result_image = results[0].plot()
+    return result_image
+
+# Tạo giao diện Gradio
+iface = gr.Interface(
+    fn=predict_image,                    # Hàm xử lý đầu vào
+    inputs=gr.Image(type="pil"),         # Tệp ảnh đầu vào
+    outputs=gr.Image(type="pil"),        # Kết quả đầu ra là ảnh
+    title="YOLOv10 Image Prediction",
+    description="Tải ảnh lên và nhấn vào Predict để xem dự đoán với YOLOv10."
+)
+
+# Khởi chạy ứng dụng
+iface.launch()

yolov10n.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:11287ed0735678e7ba1ac2a9b3098c049155b3fde123992e724c1264bcc16b6f
+size 5860383