mobile + new models

.gitattributes

@@ -0,0 +1 @@
+*.pth filter=lfs diff=lfs merge=lfs -text

.gitea/workflows/ai.yaml

@@ -24,7 +24,7 @@ jobs:
           tags: gitea.webart-tech.ru/webart/beerds/backend:${{ gitea.sha }}
       - name: Deploy 
         run: | 
-            git clone https://gitea.webart-tech.ru/webart/kuber-deploy.git deploy
+            git clone https://${{ secrets.DOCKER_USERNAME }}:${{ secrets.DOCKER_PASSWORD }}@gitea.webart-tech.ru/webart/kuber-deploy.git deploy
             cd ./deploy/ai
             sed -i -E 's/backend:.+/backend:${{ gitea.sha }}/g' dogs.yml
             git config --global user.email "deploy@deploy.deploy"

ml/cats.py

@@ -10,9 +10,9 @@ from train import get_labels, load_model, get_loaders, train, show, DEVICE  # ty
 ImageFile.LOAD_TRUNCATED_IMAGES = True
 
 print(f"Using device: {DEVICE}")
-IMG_SIZE = (180, 180)
+IMG_SIZE = (224, 224)
 INPUT_DIR = "assets/cat"
-NUM_EPOCHS = 10
+NUM_EPOCHS = 50
 MODEL_NAME = "cats_model.pth"
 
 if __name__ == "__main__":

ml/dogs.py

@@ -10,9 +10,9 @@ from train import get_labels, load_model, get_loaders, train, show, DEVICE  # ty
 ImageFile.LOAD_TRUNCATED_IMAGES = True
 
 print(f"Using device: {DEVICE}")
-IMG_SIZE = (180, 180)
+IMG_SIZE = (224, 224)
 INPUT_DIR = "assets/dog"
-NUM_EPOCHS = 100
+NUM_EPOCHS = 50
 MODEL_NAME = "dogs_model.pth"
 
 if __name__ == "__main__":

ml/train.py

@@ -17,8 +17,9 @@ def get_labels(input_dir, img_size):
     transform = transforms.Compose(
         [
             transforms.Resize(img_size),
+            transforms.RandomHorizontalFlip(),
             transforms.ToTensor(),
-            transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)),
+            transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
         ]
     )
     dataset = ImageFolder(root=input_dir, transform=transform)
@@ -44,7 +45,10 @@ def load_model(model_path: str, labels_dict: dict, device: str = "cuda") -> nn.M
     if not os.path.isfile(model_path):
         print("Start new model")
         model = torchvision.models.resnet50(weights=ResNet50_Weights.DEFAULT)
-        model.fc = torch.nn.Linear(model.fc.in_features, len(labels_dict))
+        model.fc = nn.Sequential(
+            nn.Dropout(0.5),  # Регуляризация
+            torch.nn.Linear(model.fc.in_features, len(labels_dict))
+        )
         return model
     model = torch.load(model_path, map_location=device, weights_only=False)
     model.eval()
@@ -59,7 +63,7 @@ def train(
     val_loader: DataLoader,
 ) -> Tuple[list[float], list[float], list[float], list[float]]:
     criterion = torch.nn.CrossEntropyLoss()
-    optimizer = torch.optim.Adam(model.fc.parameters(), lr=0.001, weight_decay=0.001)  # type: ignore[union-attr]
+    optimizer = torch.optim.Adam(model.fc.parameters(), lr=1e-4)  # type: ignore[union-attr]
     # История метрик
     train_loss_history = []
     train_acc_history = []

server/main.py

@@ -48,7 +48,7 @@ with open("server/meta/labels_cats.json", "r") as f:
 
 
 def predict_image(image, model, device="cuda") -> list[tuple]:
-    img_size = (180, 180)
+    img_size = (224, 224)
     preprocess = transforms.Compose(
         [
             transforms.Resize(img_size),
@@ -119,12 +119,16 @@ class BaseController(Controller):
     path = "/"
 
     @get("/")
-    async def main(self) -> Template:
-        return Template(name="index.html")
+    async def dogs(self) -> Template:
+        return Template(name="dogs.html")
     
     @get("/cats")
     async def cats(self) -> Template:
         return Template(name="cats.html")
+    
+    @get("/contacts")
+    async def contacts(self) -> Template:
+        return Template(name="contacts.html")
 
     @get("/sitemap.xml", media_type=MediaType.XML)
     async def sitemaps(self) -> bytes:

server/static/styles.css

@@ -25,7 +25,9 @@ h1 {
 
 form {
     border: 1px solid #696969;
-    padding: 0 10px 0 10px;
+    padding: 2px 10px 2px 10px;
+    display: flex;
+    justify-content: space-between;
 }
 
 #main {
@@ -54,4 +56,66 @@ form {
 
 .image-results {
     text-align: center;
-}
+}
+
+#menu {
+    padding: 0.5rem 0;
+    border-bottom: 1px solid #dee2e6; /* Серая разделительная линия */
+}
+
+#menu ul {
+    list-style-type: none;
+    margin: 0;
+    padding: 0;
+    display: flex;
+    gap: 2rem;
+}
+
+#menu li {
+    margin: 0;
+    padding: 0;
+}
+
+#menu a {
+    text-decoration: none;
+    color: #696969; /* Темно-серый цвет */
+    font-size: 1.1rem;
+    transition: color 0.2s ease;
+    position: relative;
+}
+
+#menu a:hover {
+    color: #212529; /* Чёрный при наведении */
+}
+
+/* Стиль для активной ссылки */
+#menu a.active {
+    color: #212529;
+    font-weight: 500;
+}
+
+#menu a.active::after {
+    content: "";
+    position: absolute;
+    width: 100%;
+    height: 2px;
+    background-color: #696969; /* Чёрная линия для активной ссылки */
+    bottom: -4px;
+    left: 0;
+}
+
+input[type="submit"] {
+    padding: 10px;
+    color: #fff;
+    background-color: #696969;
+    cursor: pointer;
+  }
+  
+  input[type="submit"]:hover {
+    background-color: #212529;
+  }
+  
+  input[type="text"]:hover {
+    margin: 8px 0;
+  }
+  

server/templates/base.html

@@ -0,0 +1,44 @@
+<!DOCTYPE html>
+<html lang="ru">
+  <head>
+    <meta charset="UTF-8">
+    <meta name="yandex-verification" content="2d4efced567f0f7f" />
+    <meta name="google-site-verification" content="gKPSnPZ1ULUF9amD0vw_JQqkS5GLqc937UxayaN_s-I" />
+    <meta name="viewport" content="width=device-width, initial-scale=1.0" />
+    {% block meta %}{% endblock %}
+    <link rel="icon" type="image/x-icon" href="static/favicon.ico">
+    <title>{% block title %}{% endblock %}</title>
+    <link rel="stylesheet" href="static/styles.css">
+    <!-- Yandex.Metrika counter -->
+    <script type="text/javascript" >
+      (function(m,e,t,r,i,k,a){m[i]=m[i]||function(){(m[i].a=m[i].a||[]).push(arguments)};
+      m[i].l=1*new Date();
+      for (var j = 0; j < document.scripts.length; j++) {if (document.scripts[j].src === r) { return; }}
+      k=e.createElement(t),a=e.getElementsByTagName(t)[0],k.async=1,k.src=r,a.parentNode.insertBefore(k,a)})
+      (window, document, "script", "https://mc.yandex.ru/metrika/tag.js", "ym");
+
+      ym(93420354, "init", {
+          clickmap:true,
+          trackLinks:true,
+          accurateTrackBounce:true
+      });
+    </script>
+    <noscript><div><img src="https://mc.yandex.ru/watch/93420354" style="position:absolute; left:-9999px;" alt="" /></div></noscript>
+    <!-- /Yandex.Metrika counter -->
+  </head>
+  <body>
+    <section id="main">
+      <div id="menu">
+        <ul>
+          <li><a href = "/">Собаки</a></li>
+          <li><a href = "/cats">Кошки</a></li>
+          <li><a href = "/contacts">Контакты</a></li>
+        </ul>
+      </div>
+      {% block content %}{% endblock %}
+      {% block form %}{% endblock %}
+    </body>
+  </section>
+  <script src="static/scripts.js"></script>
+
+</html>

server/templates/cats.html

@@ -1,50 +1,25 @@
-<!DOCTYPE html>
-<html lang="ru">
-  <head>
-    <meta charset="UTF-8">
-    <meta name="yandex-verification" content="2d4efced567f0f7f" />
-    <meta name="google-site-verification" content="gKPSnPZ1ULUF9amD0vw_JQqkS5GLqc937UxayaN_s-I" />
-    <meta name="description" content="Опередление породы кошки по фото. Определение породы происходит при помощи нейронной сети - точность опеределения составляет 70%." />
-    <link rel="icon" type="image/x-icon" href="static/favicon.ico">
-    <title>Определение породы кошки по фото</title>
-    <link rel="stylesheet" href="static/styles.css">
-    <!-- Yandex.Metrika counter -->
-    <script type="text/javascript" >
-      (function(m,e,t,r,i,k,a){m[i]=m[i]||function(){(m[i].a=m[i].a||[]).push(arguments)};
-      m[i].l=1*new Date();
-      for (var j = 0; j < document.scripts.length; j++) {if (document.scripts[j].src === r) { return; }}
-      k=e.createElement(t),a=e.getElementsByTagName(t)[0],k.async=1,k.src=r,a.parentNode.insertBefore(k,a)})
-      (window, document, "script", "https://mc.yandex.ru/metrika/tag.js", "ym");
+{% extends "base.html" %}
 
-      ym(93420354, "init", {
-          clickmap:true,
-          trackLinks:true,
-          accurateTrackBounce:true
-      });
-    </script>
-    <noscript><div><img src="https://mc.yandex.ru/watch/93420354" style="position:absolute; left:-9999px;" alt="" /></div></noscript>
-    <!-- /Yandex.Metrika counter -->
-  </head>
-  <body>
-    <section id="main">
-      <h1>Определить породу кошки по фото</h1>
-      <p>Узнать породу <a href = "/">Собаки</a></p>
-      <p>Загрузите фото, чтобы опеределить породу собаки или щенка. Если порода смешанная (или порода определена неточно), после загрузки будет показана вероятность породы животного.</p>
-      <p>Определение породы происходит при помощи нейронной сети - точность опеределения составляет 60%, сеть обучена на 65 породах. Если на фото будет неизвестная порода или не кошка - сеть не сможет правильно опеределить, что это.</p>
-      <p>Для распознования все фото отправляются на сервер, но там не сохраняются</p>
-      <form enctype="multipart/form-data" method="post" action="/beerds/cats"  onsubmit="SavePhoto(this);return false">
-          <p><input type="file" name="f" id="file-input">
-          <input type="submit" value="Определить"></p>
-        </form> 
-        <div>
-          <div id="upload-image">
-            <div id="upload-image-text"></div>
-            <img id="image" style="max-width: 200px;"/>
-          </div>
-          <div id="result"></div>
-        </div>
-    </body>
-  </section>
-  <script src="static/scripts.js"></script>
-
-</html>
+{% block meta %}
+<meta name="description" content="Опередление породы кошки по фото. Определение породы происходит при помощи нейронной сети - точность опеределения составляет 70%." />
+{% endblock %}
+{% block title %}Определение породы кошки по фото{% endblock %}
+{% block content %}
+<h1>Определить породу кошки по фото</h1>
+<p>Загрузите фото, чтобы опеределить породу собаки или щенка. Если порода смешанная (или порода определена неточно), после загрузки будет показана вероятность породы животного.</p>
+<p>Определение породы происходит при помощи нейронной сети - точность опеределения составляет 60%, сеть обучена на 65 породах. Если на фото будет неизвестная порода или не кошка - сеть не сможет правильно опеределить, что это.</p>
+<p>Для распознования все фото отправляются на сервер, но там не сохраняются</p>
+{% endblock %}
+{% block form %}
+<form enctype="multipart/form-data" method="post" action="/beerds/cats"  onsubmit="SavePhoto(this);return false">
+  <input type="file" name="f" id="file-input">
+  <input type="submit" value="Определить">
+</form> 
+<div>
+  <div id="upload-image">
+      <div id="upload-image-text"></div>
+      <img id="image" style="max-width: 200px;"/>
+  </div>
+  <div id="result"></div>
+</div>
+{% endblock %}

server/templates/contacts.html

@@ -0,0 +1,15 @@
+{% extends "base.html" %}
+
+{% block meta %}
+<meta name="description" content="Опередление породы собаки по фото. Определение породы происходит при помощи нейронной сети - точность опеределения составляет 80%." />
+{% endblock %}
+{% block title %}Контакты. Определение породы собаки или кошки по фото{% endblock %}
+{% block content %}
+<h1>Как можно связаться</h1>
+<ul>
+  <li>Email: <i>artem@webart-tech.ru</i></li>
+  <li>VK: <a href="https://vk.com/dogs_beers?from=groups" target="_blank">Группа VK</a></li>
+</ul>
+{% endblock %}
+
+

server/templates/dogs.html

@@ -0,0 +1,25 @@
+{% extends "base.html" %}
+
+{% block meta %}
+<meta name="description" content="Опередление породы собаки по фото. Определение породы происходит при помощи нейронной сети - точность опеределения составляет 80%." />
+{% endblock %}
+{% block title %}Определение породы собаки по фото{% endblock %}
+{% block content %}
+<h1>Определить породу собаки по фото</h1>
+<p>Загрузите фото, чтобы опеределить породу собаки или щенка. Если порода смешанная (или порода определена неточно), после загрузки будет показана вероятность породы животного.</p>
+<p>Определение породы происходит при помощи нейронной сети - точность опеределения составляет 80%, сеть обучена на <a href="https://vk.com/albums-220240483" target="_blank">125 породах</a>. Если на фото будет неизвестная порода или не собака - сеть не сможет правильно опеределить, что это.</p>
+<p>Для распознования все фото отправляются на сервер, но там не сохраняются</p>
+{% endblock %}
+{% block form %}
+<form enctype="multipart/form-data" method="post" action="/beerds/dogs"  onsubmit="SavePhoto(this);return false">
+  <input type="file" name="f" id="file-input">
+  <input type="submit" value="Определить">
+</form> 
+<div>
+  <div id="upload-image">
+      <div id="upload-image-text"></div>
+      <img id="image" style="max-width: 200px;"/>
+  </div>
+  <div id="result"></div>
+</div>
+{% endblock %}

server/templates/index.html

@@ -1,50 +0,0 @@
-<!DOCTYPE html>
-<html lang="ru">
-  <head>
-    <meta charset="UTF-8">
-    <meta name="yandex-verification" content="2d4efced567f0f7f" />
-    <meta name="google-site-verification" content="gKPSnPZ1ULUF9amD0vw_JQqkS5GLqc937UxayaN_s-I" />
-    <meta name="description" content="Опередление породы собаки по фото. Определение породы происходит при помощи нейронной сети - точность опеределения составляет 80%." />
-    <link rel="icon" type="image/x-icon" href="static/favicon.ico">
-    <title>Определение породы собаки по фото</title>
-    <link rel="stylesheet" href="static/styles.css">
-    <!-- Yandex.Metrika counter -->
-    <script type="text/javascript" >
-      (function(m,e,t,r,i,k,a){m[i]=m[i]||function(){(m[i].a=m[i].a||[]).push(arguments)};
-      m[i].l=1*new Date();
-      for (var j = 0; j < document.scripts.length; j++) {if (document.scripts[j].src === r) { return; }}
-      k=e.createElement(t),a=e.getElementsByTagName(t)[0],k.async=1,k.src=r,a.parentNode.insertBefore(k,a)})
-      (window, document, "script", "https://mc.yandex.ru/metrika/tag.js", "ym");
-
-      ym(93420354, "init", {
-          clickmap:true,
-          trackLinks:true,
-          accurateTrackBounce:true
-      });
-    </script>
-    <noscript><div><img src="https://mc.yandex.ru/watch/93420354" style="position:absolute; left:-9999px;" alt="" /></div></noscript>
-    <!-- /Yandex.Metrika counter -->
-  </head>
-  <body>
-    <section id="main">
-      <h1>Определить породу собаки по фото</h1>
-      <p>Узнать породу <a href = "/cats">Кошки</a></p>
-      <p>Загрузите фото, чтобы опеределить породу собаки или щенка. Если порода смешанная (или порода определена неточно), после загрузки будет показана вероятность породы животного.</p>
-      <p>Определение породы происходит при помощи нейронной сети - точность опеределения составляет 60%, сеть обучена на <a href="https://vk.com/albums-220240483" target="_blank">125 породах</a>. Если на фото будет неизвестная порода или не собака - сеть не сможет правильно опеределить, что это.</p>
-      <p>Для распознования все фото отправляются на сервер, но там не сохраняются</p>
-      <form enctype="multipart/form-data" method="post" action="/beerds/dogs"  onsubmit="SavePhoto(this);return false">
-          <p><input type="file" name="f" id="file-input">
-          <input type="submit" value="Определить"></p>
-        </form> 
-        <div>
-          <div id="upload-image">
-            <div id="upload-image-text"></div>
-            <img id="image" style="max-width: 200px;"/>
-          </div>
-          <div id="result"></div>
-        </div>
-    </body>
-  </section>
-  <script src="static/scripts.js"></script>
-
-</html>