Update README.md

README.md

@@ -79,4 +79,87 @@ plt.axis('off')
 plt.show()
 
 print(labels)
+```
+## Predic and save to csv
+```python
+import os
+from transformers import AutoImageProcessor, AutoModelForObjectDetection
+import torch
+from PIL import Image
+import pandas as pd
+
+# กำหนดพาธไปยังโฟลเดอร์ที่เก็บรูปภาพ
+folder_path = "../data/data_em_100img/"
+
+# โหลดโมเดลและโปรเซสเซอร์
+processor = AutoImageProcessor.from_pretrained("0llheaven/detr-finetuned-V2")
+model = AutoModelForObjectDetection.from_pretrained("0llheaven/detr-finetuned-V2")
+
+# สร้าง DataFrame เพื่อเก็บผลลัพธ์
+results_list = []
+
+# วนลูปผ่านไฟล์ทั้งหมดในโฟลเดอร์
+for image_name in os.listdir(folder_path):
+    if image_name.endswith((".jpg", ".png", ".jpeg")):  # กรองเฉพาะไฟล์รูปภาพ
+        image_path = os.path.join(folder_path, image_name)
+        image = Image.open(image_path)
+
+        # แปลงรูปภาพเป็น RGB หากเป็น grayscale
+        if image.mode != "RGB":
+            image = image.convert("RGB")
+
+        # ทำนายผล
+        inputs = processor(images=image, return_tensors="pt")
+        outputs = model(**inputs)
+
+        # กรองการทำนายที่มีความแม่นยำมากกว่า 0.9
+        target_sizes = torch.tensor([image.size[::-1]])
+        results = processor.post_process_object_detection(outputs, target_sizes=target_sizes)
+
+        print(f"Processing image: {image_name}")  # แสดงชื่อรูปภาพที่กำลังประมวลผล
+
+        # ตรวจสอบว่ามีการตรวจจับหรือไม่
+        detected_any = False
+
+        for result in results:
+            scores = result["scores"]
+            labels = result["labels"]
+            boxes = result["boxes"]
+
+            for score, label, box in zip(scores, labels, boxes):
+                if score > 0.9:  # กรองเฉพาะผลลัพธ์ที่มีความแม่นยำมากกว่า 0.9
+                    detected_any = True
+                    xmin, ymin, xmax, ymax = [round(i, 2) for i in box.tolist()]
+                    print(f" - Detected {label} with score {round(score.item(), 3)} at {xmin, ymin, xmax, ymax}")  # แสดงข้อมูลที่ทำนายได้
+                    results_list.append({
+                        "image_name": image_name,
+                        "score": round(score.item(), 3),
+                        "label": label,
+                        "xmin": xmin,
+                        "ymin": ymin,
+                        "xmax": xmax,
+                        "ymax": ymax
+                    })
+
+        if not detected_any:
+            print(" - No Detect")
+            results_list.append({
+                "image_name": image_name,
+                "score": "-",
+                "label": "No Detect",
+                "xmin": "-",
+                "ymin": "-",
+                "xmax": "-",
+                "ymax": "-"
+            })
+
+# แปลง List เป็น DataFrame
+results_df = pd.DataFrame(results_list)
+
+# แสดงผล DataFrame
+print("\nFinal results:")
+# print(results_df)
+
+# บันทึก DataFrame เป็นไฟล์ CSV
+results_df.to_csv("../results_em.csv", index=False)
 ```