Upload 2 files

Dockerfile

@@ -0,0 +1,30 @@
+# Usa una imagen base de Python
+FROM python:3.11-slim
+
+# Crear un nuevo usuario no root para mayor seguridad
+RUN useradd -m -s /bin/bash appuser
+
+# Establecer directorio de trabajo
+WORKDIR /home/appuser/app
+
+# Instalar dependencias del sistema necesarias para OpenCV
+RUN apt-get update && apt-get install -y libgl1-mesa-glx libglib2.0-0 && apt-get clean
+
+# Copiar el archivo de dependencias y instalarlas
+COPY requirements.txt .
+RUN pip install --no-cache-dir -r requirements.txt
+
+# Copiar el código de la aplicación
+COPY . .
+
+# Cambiar permisos al usuario no root
+RUN chown -R appuser:appuser /home/appuser/app
+
+# Cambiar al usuario no root
+USER appuser
+
+# Exponer el puerto donde correrá la aplicación
+EXPOSE 7860
+
+# Comando para iniciar la aplicación
+CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "7860"]

app.py

@@ -0,0 +1,65 @@
+from fastapi import FastAPI, File, UploadFile, HTTPException
+import cv2
+import numpy as np
+from PIL import Image
+import io
+from transformers import ViTFeatureExtractor, ViTForImageClassification
+import torch
+
+app = FastAPI()
+
+# Cargar el modelo y el extractor de características
+model = ViTForImageClassification.from_pretrained("nateraw/vit-age-classifier")
+transforms = ViTFeatureExtractor.from_pretrained("nateraw/vit-age-classifier")
+
+@app.post("/detect/")
+async def detect_face(file: UploadFile = File(...)):
+    # Validar tipo de archivo
+    if not file.content_type.startswith("image/"):
+        raise HTTPException(status_code=400, detail="El archivo no es una imagen válida.")
+
+    try:
+        # Leer la imagen y convertirla a numpy array
+        image_bytes = await file.read()
+        image = Image.open(io.BytesIO(image_bytes))
+        img_np = np.array(image)
+
+        # Convertir a formato adecuado (BGR) si tiene transparencia (4 canales)
+        if img_np.shape[2] == 4:
+            img_np = cv2.cvtColor(img_np, cv2.COLOR_BGRA2BGR)
+
+        # Detectar rostros con Haar
+        face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_default.xml")
+        gray = cv2.cvtColor(img_np, cv2.COLOR_BGR2GRAY)
+        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
+
+        if len(faces) == 0:
+            return {"message": "No se detectaron rostros en la imagen."}
+
+        results = []
+        for (x, y, w, h) in faces:
+            # Extraer el rostro y convertirlo a RGB
+            face_img = img_np[y:y+h, x:x+w]
+            pil_face_img = Image.fromarray(cv2.cvtColor(face_img, cv2.COLOR_BGR2RGB))
+
+            # Predicción del rango de edad
+            inputs = transforms(pil_face_img, return_tensors="pt")
+            output = model(**inputs)
+            proba = output.logits.softmax(1)
+            predicted_class = proba.argmax(1).item()
+            predicted_age_range = str(predicted_class)  # Mapeo de clases a rangos
+
+            # Añadir datos al resultado
+            results.append({
+                "edad_predicha": predicted_age_range,
+                "coordenadas_rostro": {"x": x, "y": y, "w": w, "h": h}
+            })
+
+        return {
+            "message": "Rostros detectados y edad predicha.",
+            "cantidad_rostros": len(faces),
+            "detalles": results
+        }
+
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=f"Error procesando la imagen: {str(e)}")