Update app.py, dockerfile, & requirements.txt

Dockerfile

@@ -1,4 +1,4 @@
-# Gunakan image Python dasar
+# Gunakan image Python 3.10 dasar
 FROM python:3.10
 
 # Atur direktori kerja di dalam container
@@ -16,7 +16,7 @@ COPY requirements.txt .
 RUN pip install --no-cache-dir -r requirements.txt
 
 # Salin skrip aplikasi
-COPY . .
+COPY app.py .
 
 # Perintah untuk menjalankan aplikasi Gradio saat container diluncurkan
 CMD ["python", "app.py"]

app.py

@@ -1,13 +1,15 @@
 import gradio as gr
 import cv2
 import torch
-import numpy as np
 import os
+import datetime
+import subprocess
 from transformers import AutoProcessor, AutoModelForCausalLM
 from PIL import Image
+from huggingface_hub import HfApi
 
-# 1. Muat Model GIT
-# Model akan dimuat sekali saat aplikasi dimulai
+# Muat model GIT
+# Model akan diunduh ke direktori yang dapat ditulis berkat Dockerfile
 print("Memuat model GIT...")
 processor = AutoProcessor.from_pretrained("microsoft/git-base-coco")
 model = AutoModelForCausalLM.from_pretrained("microsoft/git-base-coco")
@@ -15,31 +17,96 @@ device = "cuda" if torch.cuda.is_available() else "cpu"
 model.to(device)
 print("Model GIT berhasil dimuat!")
 
-# 2. Fungsi Validasi Video
+# Konfigurasi Hugging Face Hub
+DATASET_REPO_ID = "monikahung/videos_throw_garbage"
+HF_TOKEN = os.getenv("HF_TOKEN_VIDEOS")
+api = HfApi(token=HF_TOKEN)
+
+def upload_video_to_dataset(video_path, folder_name):
+    """
+    Mengunggah file video ke Hugging Face Dataset di folder yang ditentukan.
+    """
+    if not HF_TOKEN:
+        print("Peringatan: Token Hugging Face tidak ditemukan. Tidak dapat mengunggah ke dataset.")
+        return
+
+    try:
+        # Gunakan nama file yang unik berdasarkan timestamp
+        timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
+        file_name = f"{timestamp}_{os.path.basename(video_path)}"
+        path_in_repo = f"{folder_name}/{file_name}"
+        
+        # Unggah file ke folder yang benar di dataset
+        api.upload_file(
+            path_or_fileobj=video_path,
+            path_in_repo=path_in_repo,
+            repo_id=DATASET_REPO_ID,
+            repo_type="dataset",
+        )
+        print(f"File {file_name} berhasil diunggah ke folder '{folder_name}'.")
+    except Exception as e:
+        print(f"Gagal mengunggah file ke dataset: {e}")
+
+def process_and_slow_video(video_path, slow_factor=2):
+    """
+    Memperlambat video menggunakan FFmpeg.
+    """
+    # Buat path untuk video yang diperlambat
+    slowed_video_path = f"{os.path.splitext(video_path)[0]}_slowed.mp4"
+    
+    # Perintah FFmpeg untuk memperlambat video dan mempertahankan audio
+    # `-filter:v` mengubah kecepatan video, `-filter:a` mengubah kecepatan audio
+    # `-c:a aac` mengkodekan ulang audio ke format AAC
+    command = [
+        'ffmpeg',
+        '-i', video_path,
+        '-filter:v', f'setpts={slow_factor}*PTS',
+        '-c:a', 'aac',
+        '-y', slowed_video_path
+    ]
+
+    try:
+        subprocess.run(command, check=True, capture_output=True, text=True)
+        print(f"Video berhasil diperlambat. Disimpan di: {slowed_video_path}")
+        return slowed_video_path
+    except subprocess.CalledProcessError as e:
+        print(f"FFmpeg gagal. Error: {e.stderr}")
+        return None
+    except FileNotFoundError:
+        print("FFmpeg tidak ditemukan. Pastikan sudah terinstal dan ada di PATH.")
+        return None
+
 def validate_video_with_git(video_path, mission_type):
     """
-    Validasi video menggunakan model GIT.
-    Menerima:
-    - video_path: path ke file video yang diunggah.
-    - mission_type: 'kertas' atau 'daun'.
-    Mengembalikan:
-    - string hasil validasi.
+    Validasi video menggunakan model GIT dan mengunggahnya ke dataset.
     """
-    if mission_type == 'kertas':
+    # Memperlambat video terlebih dahulu
+    slowed_video_path = process_and_slow_video(video_path)
+    if not slowed_video_path:
+        upload_video_to_dataset(video_path, "neither")
+        return "Gagal. Gagal memproses video."
+
+    # Tentukan kata kunci berdasarkan tipe misi
+    if mission_type == 'paper':
         required_keywords = ['person', 'paper', 'yellow trash can']
-    elif mission_type == 'daun':
-        required_keywords = ['person', 'leaves', 'trash can']
+    elif mission_type == 'leaf':
+        required_keywords = ['person', 'leaves', 'green trash can']
     else:
+        # Jika tipe misi tidak valid, simpan ke folder "neither"
+        upload_video_to_dataset(video_path, "neither")
         return "Gagal. Tipe misi tidak valid."
 
-    cap = cv2.VideoCapture(video_path)
+    cap = cv2.VideoCapture(slowed_video_path)
     if not cap.isOpened():
-        return "Gagal. Gagal membuka file video."
+        upload_video_to_dataset(video_path, "neither")
+        return "Gagal. Gagal membuka file video yang diperlambat."
 
     valid_frames_count = 0
-    frame_interval = 5  # Menggunakan interval 5 untuk keseimbangan kecepatan dan akurasi
-
+    frame_interval = 1
     frame_count = 0
+    
+    validation_status = "gagal"
+
     while cap.isOpened():
         ret, frame_bgr = cap.read()
         if not ret:
@@ -64,25 +131,34 @@ def validate_video_with_git(video_path, mission_type):
                 valid_frames_count = 0
 
             if valid_frames_count >= 3:
-                cap.release()
-                return "Video dianggap valid. Misi berhasil!"
+                validation_status = "valid"
+                break
         
         frame_count += 1
 
     cap.release()
-    return "Video tidak memenuhi kriteria. Misi gagal."
+    
+    # Hapus file video yang diperlambat setelah selesai
+    os.remove(slowed_video_path)
+    
+    # Tentukan folder berdasarkan hasil validasi dan tipe misi
+    if validation_status == "valid":
+        upload_video_to_dataset(video_path, mission_type)
+        return "Video dianggap valid. Misi berhasil!"
+    else:
+        upload_video_to_dataset(video_path, "neither")
+        return "Video tidak memenuhi kriteria. Misi gagal."
 
-# 3. Buat antarmuka Gradio untuk API dan demo
-# PENTING: Gunakan gr.Interface untuk endpoint API yang lebih mudah
+# Buat antarmuka Gradio
 interface = gr.Interface(
     fn=validate_video_with_git,
     inputs=[
         gr.Video(label="Video Sampah"),
-        gr.Radio(choices=["kertas", "daun"], label="Jenis Misi")
+        gr.Radio(choices=["paper", "leaf"], label="Jenis Misi")
     ],
     outputs=gr.Textbox(label="Hasil Validasi"),
     title="Validasi Misi Sampah dengan AI",
-    description="Unggah video dan pilih tipe misi (kertas atau daun) untuk memvalidasi aksi membuang sampah."
+    description="Unggah video dan pilih tipe misi untuk memvalidasi aksi membuang sampah."
 )
 
 if __name__ == "__main__":

requirements.txt

@@ -3,4 +3,5 @@ torch
 transformers==4.42.0
 opencv-python
 Pillow
-accelerate
+accelerate
+huggingface_hub