La colorisation d'images est un probleme auquel est confronté la communauté de vision par ordinateur. Ce projet implémente 2 méthodes de l'état de l'art pour la résolution de cette problématique avec un structure MLOps complète pour la gestion et maintenance de l'application et l'amélioration des modèles utilisés.
.
├── Makefile <--- racourcie des commandes docker pour le lancemant des conteneur
├── README.md <--- Présentation du projet
├── dataset
│ ├── README.md <--- Présentation de la basse de données initiale
│ ├── dataset_preparation.sh <--- Script de préparation de la base de donnée initiale
├── docker <--- Dossier des fichier de configuration Docker
│ └── ....
├── docker-compose.dev.yaml <--- Composition des dockers de développement
├── docker-compose.cuda.yaml <--- Composition des dockers de production avec prise en charge de GPU
├── docker-compose.yaml <--- Composition des dockers de production
├── references <--- dossier de documentation
├── airflow
│ ├── dags
└── src
├── api <--- API
│ ├── README.md
├── rd <--- partie r&d du projet
│ ├── README.md
└── webapp <--- application web via Streamlit
│ ├── README.md- WebApp : Une application
Streamlitqui fournit une interface utilisateur intuitive pour interagir avec le système. - API : Une application web qui assure la gestion des interactions entre l'utilisateur et les différents services proposés (par exemple, requêtes de données ou exécution de traitements).
- R&D : Un service dédié à la gestion et à l'entraînement des modèles d'intelligence artificielle (IA). Ce dernier est basé sur
MLflow - Airflow : Un outil de gestion des workflows permettant de mettre à jour et de déployer les modèles d'IA récemment entraînés.
- MinIO : Un système de stockage d'objets utilisé pour gérer les images des utilisateurs ainsi que les modèles d'IA.
- PostgreSQL : Une base de données relationnelle qui gère et stocke les informations des utilisateurs, ainsi que les métadonnées liées aux modèles et aux services.
Pour lancer tous les conteneurs en local, il vous suffit de clôner le répertoire et lancer les conteneurs. les commandes suivantes illustrent ceci :
Note : Avant de lancer les conteneurs, veuillez créer le fichier .env à base du template fournit dans le répertoire.
git clone git@github.com:mchelali/picopix.git
cd picopix/
make startPour lancer les conteneurs avec la prise en charge de cuda
make custartSi vous exécutez ce code sur votre machine personnelle, veuillez utiliser les urls suivantes pour accéder aux différents services proposés :
- R&D : http://localhost:8002
- MinIO : http://localhost:9001
- Streamlit : http://localhost:8501
- PgAdmin : http://localhost:5050
Pour stopper les conteneurs
make stop