Update app.py

app.py

@@ -7,7 +7,7 @@ from ultralytics import YOLO
 from PIL import Image
 import uvicorn
 
-app = FastAPI(title="YOLO + GIT Large: Color & Shape Edition")
+app = FastAPI(title="YOLO + GIT Large: Visual Analysis (Color & Shape)")
 
 device = "cuda" if torch.cuda.is_available() else "cpu"
 MY_MODEL_PATH = 'best.pt'
@@ -15,12 +15,18 @@ MY_MODEL_PATH = 'best.pt'
 # تحميل الموديلات
 try:
     detection_model = YOLO(MY_MODEL_PATH)
+    print("✅ YOLO Model Loaded")
 except:
     detection_model = YOLO("yolov8n.pt")
+    print("⚠️ Using Default YOLOv8n")
 
 processor = AutoProcessor.from_pretrained("microsoft/git-large")
 caption_model = AutoModelForCausalLM.from_pretrained("microsoft/git-large").to(device)
 
+@app.get("/")
+def home():
+    return {"message": "Server is running. Use /docs to test /analyze endpoint."}
+
 @app.post("/analyze")
 async def analyze_image(file: UploadFile = File(...)):
     data = await file.read()
@@ -34,35 +40,46 @@ async def analyze_image(file: UploadFile = File(...)):
             label = r.names[int(box.cls)]
             coords = box.xyxy[0].tolist() 
 
-            # قص العنصر مع هامش (Padding) لرؤية الشكل واللون بوضوح
-            pad = 10
+            # قص العنصر مع هامش (Padding) 15 بكسل لرؤية الزوايا والأطراف بدقة
+            pad = 15
             cropped_img = original_image.crop((
                 max(0, coords[0]-pad), max(0, coords[1]-pad), 
                 min(original_image.width, coords[2]+pad), min(original_image.height, coords[3]+pad)
             ))
 
-            # --- التعديل الجوهري للوصف ---
-            # نستخدم برومبت مفتوح ليقوم الموديل بالوصف التلقائي
-            inputs = processor(images=cropped_img, return_tensors="pt").to(device)
+            # --- التعديل هنا: برومبت يركز على الصفات البصرية ---
+            # بدأنا الجملة بصفات "اللون والشكل" ليقوم الموديل بإكمال الوصف
+            prompt = f"a photo of a {label}. the specific color and shape of this {label} are"
+            
+            inputs = processor(images=cropped_img, text=prompt, return_tensors="pt").to(device)
             
             generated_ids = caption_model.generate(
                 pixel_values=inputs.pixel_values,
-                max_new_tokens=50,
+                input_ids=inputs.input_ids,
+                max_new_tokens=40,    # عدد كلمات كافٍ للوصف
                 num_beams=5,
-                do_sample=True,      # تفعيل التنوع في الكلمات
-                temperature=0.8,     # درجة "إبداع" لوصف الألوان بدقة
-                repetition_penalty=1.2
+                repetition_penalty=1.3,
+                do_sample=False      # نستخدم Beam Search هنا لدقة أعلى في الألوان
             )
             
-            description = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
+            full_desc = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
+            
+            # تنظيف النتيجة لاستخراج الوصف فقط بعد البرومبت
+            if prompt in full_desc:
+                visual_details = full_desc.split(prompt)[-1].strip()
+            else:
+                visual_details = full_desc.replace(f"a photo of a {label}", "").strip()
 
             integrated_results.append({
                 "object_id": i + 1,
                 "label": label,
-                "visual_description": f"This {label} is {description}"
+                "visual_description": f"The {label} has {visual_details}"
             })
 
+    if not integrated_results:
+        return {"message": "No objects detected."}
+
     return {"results": integrated_results}
 
 if __name__ == "__main__":
-    uvicorn.run(app, host="0.0.0.0", port=7860)
+    uvicorn.run(app, host="0.0.0.0", port=7860)