Update app.py

app.py

@@ -2,49 +2,28 @@ import gradio as gr
 from ultralytics import YOLO
 import cv2
 import numpy as np
-# Charger le modèle YOLOv8 pré-entraîné
+import tempfile
+
+# Charger le modèle YOLOv8
 model = YOLO("yolov8n.pt")
 
-# Fonction pour la détection sur image
+# 🔹 Fonction pour détecter sur image
 def detect_objects_image(img):
-    results = model(img)  # Détection
-    annotated_frame = results[0].plot()  # Annoter les résultats
+    results = model(img)
+    annotated_frame = results[0].plot()
     return annotated_frame
 
-demo = gr.Blocks()
-
-#Interface Gradio
-image_input = gr.Image(type="numpy", label="Image à analyser")
-
-image_output = gr.Image(type="numpy", label="Image annotée")
-
-interface = gr.Interface(fn=detect_objects_image, inputs=image_input, outputs=image_output, title="Détection sur Image")
-
-interface.launch()
-
-import gradio as gr
-from ultralytics import YOLO
-import cv2
-import tempfile
-import os
-
-# Charger le modèle YOLOv8 pré-entraîné
-model = YOLO("yolov8n.pt")
-
-# Fonction pour la détection sur vidéo
+# 🔹 Fonction pour détecter sur vidéo
 def detect_objects_video(video_input):
-    # Lire la vidéo d'entrée
     cap = cv2.VideoCapture(video_input)
     fps = cap.get(cv2.CAP_PROP_FPS)
     width  = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
     height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
 
-    # Créer un fichier temporaire pour enregistrer la sortie
     temp_output = tempfile.NamedTemporaryFile(suffix=".mp4", delete=False)
     output_path = temp_output.name
     temp_output.close()
 
-    # Définir le writer vidéo
     fourcc = cv2.VideoWriter_fourcc(*'mp4v')
     out = cv2.VideoWriter(output_path, fourcc, fps, (width, height))
 
@@ -52,31 +31,14 @@ def detect_objects_video(video_input):
         ret, frame = cap.read()
         if not ret:
             break
-
-        # Détection avec YOLOv8
         results = model(frame)
-        annotated_frame = results[0].plot()  # Annoter les résultats
-
+        annotated_frame = results[0].plot()
         out.write(annotated_frame)
 
     cap.release()
     out.release()
-
     return output_path
 
-# Interface Gradio pour la vidéo
-video_input = gr.Video(label="Vidéo à analyser")
-video_output = gr.Video(label="Vidéo annotée")
-
-interface = gr.Interface(
-    fn=detect_objects_video,
-    inputs=video_input,
-    outputs=video_output,
-    title="Détection d'objets sur Vidéo"
-)
-
-interface.launch()
-
 # Créer l'application avec Gradio Blocks
 with gr.Blocks(title="YOLOv8 - Détection d'objets sur Image et Vidéo") as app:
     gr.Markdown("## 🧠 Détection d'objets avec YOLOv8 (Image & Vidéo)")
@@ -93,3 +55,6 @@ with gr.Blocks(title="YOLOv8 - Détection d'objets sur Image et Vidéo") as app:
         vid_output = gr.Video(label="Vidéo annotée")
         vid_button = gr.Button("Lancer la détection")
         vid_button.click(fn=detect_objects_video, inputs=vid_input, outputs=vid_output)
+
+# Lancer l'application
+app.launch()