31 lines
1.1 KiB
Python
31 lines
1.1 KiB
Python
import time
|
|
from src.classifiers.bayesian import BayesianClassifier
|
|
from src.pipeline import ObjectDetectionPipeline
|
|
|
|
if __name__ == "__main__":
|
|
# Chemin de l'image à traiter
|
|
image_path = "data/page.png"
|
|
|
|
# Initialisation du pipeline avec le chemin de l'image
|
|
pipeline = ObjectDetectionPipeline(image_path)
|
|
|
|
# Initialisation et chargement du modèle Bayésien
|
|
bayesian_model = BayesianClassifier()
|
|
model_path = "models/bayesian_model.pth"
|
|
pipeline.load_model(model_path, bayesian_model)
|
|
|
|
# Chargement de l'image
|
|
pipeline.load_image()
|
|
|
|
# Mesure du temps d'exécution pour la détection et classification
|
|
start_time = time.time()
|
|
class_counts, detected_objects = pipeline.detect_and_classify_objects()
|
|
end_time = time.time()
|
|
|
|
# Résultats
|
|
print(f"Temps d'exécution: {end_time - start_time:.2f} secondes")
|
|
print("Comptage des classes :", class_counts)
|
|
print("Nombre d'objets détectés :", len(detected_objects))
|
|
|
|
# Affichage des résultats
|
|
pipeline.display_results(class_counts, detected_objects)
|