Update app.py

app.py

@@ -1,49 +1,36 @@
-import gradio as gr
 import torch
 import cv2 as cv
 from PIL import Image
-import numpy as np
+import gradio as gr
 
 # YOLOv5 modelini yükleyin
 model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
 
-# CUDA desteğini kontrol et
-cuda_enabled = torch.cuda.is_available()
-device_label = "Device: GPU" if cuda_enabled else "Device: CPU"
-
-# Modeli CUDA cihazına taşı
-if cuda_enabled:
-    model.to('cuda')
+# Modeli CPU üzerinde çalıştır
+model.to('cpu')
 
 def process_video(input_video):
     # Giriş ve çıkış video
     output_video = "output.mp4"
-
     # Video yakalama
     cap = cv.VideoCapture(input_video)
-
     # Video özelliklerine bak
     fourcc = cv.VideoWriter_fourcc(*'mp4v')  # Kodek
     fps = int(cap.get(cv.CAP_PROP_FPS))  # Saniyedeki frame sayısı
     width = int(cap.get(cv.CAP_PROP_FRAME_WIDTH))  # Genişlik
     height = int(cap.get(cv.CAP_PROP_FRAME_HEIGHT))  # Yükseklik
-
     out = cv.VideoWriter(output_video, fourcc, fps, (width, height))  # Videoyumuzu belirtilen özelliklerde oluşturur
 
-    # Video çerçevelerini işleme hızını kontrol etmek için bekleme süresi
-    delay = int(1000 / fps)  # Milisaniye cinsinden bekleme süresi
-
     while cap.isOpened():
         ret, frame = cap.read()
-        
-        if not ret:  # Okuma başarılı ise
+        if not ret:  # Okuma başarılı değilse
             break
 
         # Görüntüyü PIL formatına dönüştür
         image = Image.fromarray(cv.cvtColor(frame, cv.COLOR_BGR2RGB))
 
         # Görüntüyü model ile işleyin
-        with torch.amp.autocast('cuda'):
+        with torch.no_grad():
             results = model(image)
 
         # Sonuçları alın
@@ -61,32 +48,33 @@ def process_video(input_video):
                 
                 # Araba nesnesinin rengini değiştirin
                 car_roi = frame[int(y1):int(y2), int(x1):int(x2)]
-                
                 # Renk kanallarını ayarla
                 b, g, r = cv.split(car_roi)
                 rgb_frame = cv.merge((b, r, r))
-                
                 # Orijinal çerçeveye geri yaz
                 frame[int(y1):int(y2), int(x1):int(x2)] = rgb_frame
 
-        # CPU/GPU kullanımını göstermek için etiketi çerçeve üzerine ekleyin
-        cv.putText(frame, device_label, (10, 30), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2, cv.LINE_AA)
+        # CPU kullanımını göstermek için etiketi çerçeve üzerine ekleyin
+        cv.putText(frame, "Device: CPU", (10, 30), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2, cv.LINE_AA)
         
         out.write(frame)  # Videoya yaz
-    
+
     cap.release()
     out.release()
+    return output_video
 
+# Gradio arayüzü
+def gradio_interface(input_video):
+    output_video = process_video(input_video)
     return output_video
 
-# Gradio arayüzünü oluştur
-iface = gr.Interface(
-    fn=process_video, 
-    inputs=gr.Video(label="Input Video"), 
-    outputs=gr.Video(label="Output Video"), 
-    title="Car Detection and Color Change",
-    description="Upload a video to detect cars and change their color."
+# Gradio arayüzünü başlat
+demo = gr.Interface(
+    fn=gradio_interface,
+    inputs=gr.Video(label="Input Video"),
+    outputs=gr.Video(label="Output Video"),
+    title="YOLOv5 Video Processing",
+    description="Upload a video to process with YOLOv5 and detect cars."
 )
 
-# Gradio arayüzünü çalıştır
-iface.launch()
+demo.launch()