How zelma4/ontology_classifier works
Це Python-додаток для класифікації зображень військового транспорту на Tank, BMP, Bradley або Unknown. Основний сценарій: користувач вибирає зображення в tkinter GUI, програма завантажує ResNet18 checkpoint, обробляє зображення, виконує inference та показує клас і ймовірності. Окремий сценарій тренує модель на розмічених даних, а консольний режим виконує прогноз. README описує також формати зображень і асинхронне завантаження моделі; граф спирається на показані файли й не припускає окремого сховища чи неперевірених зв’язків.
Main entry points: app_gui.py Tkinter GUI · train.py Навчання й оцінка · predict.py CLI прогноз · data_utils.py Dataset loader
Components 10
Інтерфейс
- Tkinter GUI
app_gui.py
Класифікація
- Модель і transforms
predict.py - Model checkpoint
- CLI прогноз
predict.py
Тренування
- Навчання й оцінка
train.py - Модель і метадані
Підготовка даних
- Індекс і розбиття
data_utils.py - Dataset loader
data_utils.py
Other components
- Користувач
- Розмічені зображення
Connections 15
- Користувач → Tkinter GUI: вибирає зображення
- Tkinter GUI → Модель і transforms: завантажує модель
- Модель і transforms → Model checkpoint: читає checkpoint
- Tkinter GUI → Tkinter GUI: обробляє й класифікує
- Tkinter GUI → Користувач: показує прогноз
- Користувач → CLI прогноз: передає зображення
- CLI прогноз → Модель і transforms: завантажує модель
- CLI прогноз → Model checkpoint: читає checkpoint
- CLI прогноз → Користувач: виводить ймовірності
- Розмічені зображення → Індекс і розбиття: сканує файли
- Навчання й оцінка → Індекс і розбиття: індексує й ділить
- Навчання й оцінка → Dataset loader: створює набори
- Dataset loader → Розмічені зображення: читає зображення
- Навчання й оцінка → Модель і метадані: записує checkpoint і метадані
- Навчання й оцінка → Модель і метадані: записує історію