VisionAI Pro Image Classification System

🌍 Language Selection

🇺🇸 English | 🇰🇷 Korean | 🇨🇳 Chinese | 🇪🇸 Spanish | 🇫🇷 French | 🇩🇪 German | 🇵🇹 Portuguese | 🇸🇦 Arabic | 🇮🇳 Hindi | 🇯🇵 Japanese | 🇷🇺 Russian | 🇮🇩 Indonesian | 🇻🇳 Vietnamese | 🇹🇷 Turkish | 🇮🇹 Italian | 🇲🇽 Latin (Mexico)

🧠 High-Performance Image & Video Classification System - Multi-classification engine utilizing Zero-shot Learning and pre-trained models

✨ New in v3.2: Video support for GIF, MP4, MOV, AVI, WEBM formats!

📁 Project Structure

VisionAI2025Pro/
├── 📱 web_apps/                    # Web Applications
│   ├── zero_shot/                  # Zero-shot Classification Web App
│   ├── advanced/                  # Advanced Classification Web App
│   └── firebase/                  # Firebase-based Web App
├── 🚀 scripts/                     # Execution and Management Scripts
│   ├── deployment/                # Server Execution Scripts
│   ├── setup/                     # Installation and Setup Scripts
│   └── testing/                   # Testing Scripts
├── 📊 data/                        # Data and Models
│   ├── models/                    # Trained Model Files
│   ├── cache/                     # Cache Files
│   └── uploads/                   # Uploaded Images
├── ⚙️ config/                      # Configuration Files
│   ├── config.py                  # Main Configuration
│   ├── firebase_config.py         # Firebase Configuration
│   └── requirements.txt           # Dependencies List
├── 📚 docs/                        # Documentation
│   ├── setup/                     # Installation Guide
│   └── api/                       # API Documentation
├── 🔧 src/                         # Source Code
│   ├── api/                       # API Server
│   ├── auth/                      # Authentication Management
│   ├── models/                    # Model Classes
│   └── cli/                       # CLI Tools
└── 🧪 tests/                       # Test Files

🚀 Quick Start

1. Environment Setup

# Create and activate virtual environment
python -m venv venv
source venv/bin/activate  # Linux/Mac
# or
venv\Scripts\activate     # Windows

# Install dependencies
pip install -r config/requirements.txt

2. Server Execution

Zero-shot Classification Server (Port 8002)

# Direct execution
python3 main.py zero-shot

# Or use script
./scripts/deployment/start_zero_shot.sh

Advanced Classification Server (Port 8001)

# Direct execution
python3 main.py advanced

# Or use script
./scripts/deployment/start_advanced.sh

Firebase Server (Port 8003)

# Direct execution
python3 main.py firebase

# Or use script
./scripts/deployment/start_firebase.sh

Main Server (Port 8000)

# Direct execution
python3 main.py main

# Or use script
./scripts/deployment/start_main.sh

🌐 Web Interface

After starting the server, you can access the web interface at the following URLs:

• Zero-shot Classification: http://localhost:8002/web_apps/zero_shot/zero_shot_web_app.html
• Advanced Classification: http://localhost:8001/web_apps/advanced/advanced_web_app.html
• Firebase: http://localhost:8003/web_apps/firebase/

🔧 Configuration

Environment Variables

# Create config/.env file or set environment variables
export API_SECRET_KEY="your-secret-key"
export HOST="0.0.0.0"
export PORT="8000"
export DEBUG="false"
export ENVIRONMENT="production"

Model Configuration

• Zero-shot model: Uses query/base_words.txt file
• Advanced model: Uses pre-trained models in data/models/ folder

📡 API Endpoints

Zero-shot Classification API (Port 8002)

• POST /api/classify - Image classification
• POST /api/classify-video - Video classification (GIF, MP4, MOV, AVI, WEBM) 🎬
• GET /api/categories - Category list
• POST /api/categories/add - Add category
• DELETE /api/categories/remove - Remove category
• GET /api/categories/search - Search categories
• POST /api/feedback - Submit classification feedback
• GET /health - Server status check

Advanced Classification API (Port 8001)

• POST /api/classify - Image classification
• GET /health - Server status check

🧪 Testing

# System test
python3 scripts/testing/test_system.py

# API test
python3 scripts/testing/test_api.py

# Authentication test
python3 scripts/testing/test_auth.py

📦 Deployment

Register as System Service (Linux)

# Install service
sudo ./scripts/setup/install_service.sh

# Start service
sudo systemctl start visionai-pro
sudo systemctl enable visionai-pro

Docker Deployment (Optional)

# Build Docker image
docker build -t visionai-pro .

# Run container
docker run -p 8000:8000 visionai-pro

🔍 Troubleshooting

Common Issues

1. Port conflict: Use different port or stop running service
2. Model load failure: Check model file path
3. Permission error: Check file permissions and directory access rights

Log Checking

# Check log file
tail -f logs/app.log

# Real-time log monitoring
journalctl -u visionai-pro -f

📄 License

This project is distributed under the MIT License. See the LICENSE file for details.

🤝 Contributing

Bug reports, feature requests, and pull requests are welcome!

---

VisionAI Pro - The new standard for image classification 🚀

---

VisionAI Pro 이미지 분류 시스템

🧠 고성능 이미지 분류 시스템 - Zero-shot Learning과 사전 훈련된 모델을 활용한 다중 분류 엔진

📁 프로젝트 구조

VisionAI2025Pro/
├── 📱 web_apps/                    # 웹 애플리케이션
│   ├── zero_shot/                  # Zero-shot 분류 웹앱
│   ├── advanced/                  # 고급 분류 웹앱
│   └── firebase/                  # Firebase 기반 웹앱
├── 🚀 scripts/                     # 실행 및 관리 스크립트
│   ├── deployment/                # 서버 실행 스크립트
│   ├── setup/                     # 설치 및 설정 스크립트
│   └── testing/                   # 테스트 스크립트
├── 📊 data/                        # 데이터 및 모델
│   ├── models/                    # 훈련된 모델 파일
│   ├── cache/                     # 캐시 파일
│   └── uploads/                   # 업로드된 이미지
├── ⚙️ config/                      # 설정 파일
│   ├── config.py                  # 메인 설정
│   ├── firebase_config.py         # Firebase 설정
│   └── requirements.txt           # 의존성 목록
├── 📚 docs/                        # 문서
│   ├── setup/                     # 설치 가이드
│   └── api/                       # API 문서
├── 🔧 src/                         # 소스 코드
│   ├── api/                       # API 서버
│   ├── auth/                      # 인증 관리
│   ├── models/                    # 모델 클래스
│   └── cli/                       # CLI 도구
└── 🧪 tests/                       # 테스트 파일

🚀 빠른 시작

1. 환경 설정

# 가상환경 생성 및 활성화
python -m venv venv
source venv/bin/activate  # Linux/Mac
# 또는
venv\Scripts\activate     # Windows

# 의존성 설치
pip install -r config/requirements.txt

2. 서버 실행

Zero-shot 분류 서버 (포트 8002)

# 직접 실행
python3 main.py zero-shot

# 또는 스크립트 사용
./scripts/deployment/start_zero_shot.sh

고급 분류 서버 (포트 8001)

# 직접 실행
python3 main.py advanced

# 또는 스크립트 사용
./scripts/deployment/start_advanced.sh

Firebase 서버 (포트 8003)

# 직접 실행
python3 main.py firebase

# 또는 스크립트 사용
./scripts/deployment/start_firebase.sh

메인 서버 (포트 8000)

# 직접 실행
python3 main.py main

# 또는 스크립트 사용
./scripts/deployment/start_main.sh

🌐 웹 인터페이스

서버 실행 후 다음 URL에서 웹 인터페이스에 접근할 수 있습니다:

• Zero-shot 분류: http://localhost:8002/web_apps/zero_shot/zero_shot_web_app.html
• 고급 분류: http://localhost:8001/web_apps/advanced/advanced_web_app.html
• Firebase: http://localhost:8003/web_apps/firebase/

🔧 설정

환경 변수

# config/.env 파일 생성 또는 환경 변수 설정
export API_SECRET_KEY="your-secret-key"
export HOST="0.0.0.0"
export PORT="8000"
export DEBUG="false"
export ENVIRONMENT="production"

모델 설정

• Zero-shot 모델: query/base_words.txt 파일 사용
• 고급 모델: data/models/ 폴더의 사전 훈련된 모델 사용

📡 API 엔드포인트

Zero-shot 분류 API (포트 8002)

• POST /api/classify - 이미지 분류
• GET /api/categories - 카테고리 목록
• POST /api/categories/add - 카테고리 추가
• DELETE /api/categories/remove - 카테고리 제거
• GET /api/categories/search - 카테고리 검색
• GET /health - 서버 상태 확인

고급 분류 API (포트 8001)

• POST /api/classify - 이미지 분류
• GET /health - 서버 상태 확인

🧪 테스트

# 시스템 테스트
python3 scripts/testing/test_system.py

# API 테스트
python3 scripts/testing/test_api.py

# 인증 테스트
python3 scripts/testing/test_auth.py

📦 배포

시스템 서비스로 등록 (Linux)

# 서비스 설치
sudo ./scripts/setup/install_service.sh

# 서비스 시작
sudo systemctl start visionai-pro
sudo systemctl enable visionai-pro

Docker 배포 (선택사항)

# Docker 이미지 빌드
docker build -t visionai-pro .

# 컨테이너 실행
docker run -p 8000:8000 visionai-pro

🔍 문제 해결

일반적인 문제

1. 포트 충돌: 다른 포트를 사용하거나 실행 중인 서비스를 종료
2. 모델 로드 실패: 모델 파일 경로 확인
3. 권한 오류: 파일 권한 및 디렉토리 접근 권한 확인

로그 확인

# 로그 파일 확인
tail -f logs/app.log

# 실시간 로그 모니터링
journalctl -u visionai-pro -f

📄 라이선스

이 프로젝트는 MIT 라이선스 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.

🤝 기여

버그 리포트, 기능 요청, 풀 리퀘스트를 환영합니다!

---

VisionAI Pro - 이미지 분류의 새로운 표준 🚀

---

VisionAI Pro 图像分类系统

🧠 高性能图像分类系统 - 利用零样本学习和预训练模型的多分类引擎

📁 项目结构

VisionAI2025Pro/
├── 📱 web_apps/                    # 网络应用程序
│   ├── zero_shot/                  # 零样本分类网络应用
│   ├── advanced/                  # 高级分类网络应用
│   └── firebase/                  # 基于Firebase的网络应用
├── 🚀 scripts/                     # 执行和管理脚本
│   ├── deployment/                # 服务器执行脚本
│   ├── setup/                     # 安装和设置脚本
│   └── testing/                   # 测试脚本
├── 📊 data/                        # 数据和模型
│   ├── models/                    # 训练模型文件
│   ├── cache/                     # 缓存文件
│   └── uploads/                   # 上传的图像
├── ⚙️ config/                      # 配置文件
│   ├── config.py                  # 主配置
│   ├── firebase_config.py         # Firebase配置
│   └── requirements.txt           # 依赖列表
├── 📚 docs/                        # 文档
│   ├── setup/                     # 安装指南
│   └── api/                       # API文档
├── 🔧 src/                         # 源代码
│   ├── api/                       # API服务器
│   ├── auth/                      # 认证管理
│   ├── models/                    # 模型类
│   └── cli/                       # CLI工具
└── 🧪 tests/                       # 测试文件

🚀 快速开始

1. 环境设置

# 创建并激活虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate     # Windows

# 安装依赖
pip install -r config/requirements.txt

2. 服务器执行

零样本分类服务器 (端口 8002)

# 直接执行
python3 main.py zero-shot

# 或使用脚本
./scripts/deployment/start_zero_shot.sh

高级分类服务器 (端口 8001)

# 直接执行
python3 main.py advanced

# 或使用脚本
./scripts/deployment/start_advanced.sh

Firebase服务器 (端口 8003)

# 直接执行
python3 main.py firebase

# 或使用脚本
./scripts/deployment/start_firebase.sh

主服务器 (端口 8000)

# 直接执行
python3 main.py main

# 或使用脚本
./scripts/deployment/start_main.sh

🌐 网络界面

启动服务器后，您可以通过以下URL访问网络界面：

• 零样本分类: http://localhost:8002/web_apps/zero_shot/zero_shot_web_app.html
• 高级分类: http://localhost:8001/web_apps/advanced/advanced_web_app.html
• Firebase: http://localhost:8003/web_apps/firebase/

🔧 配置

环境变量

# 创建config/.env文件或设置环境变量
export API_SECRET_KEY="your-secret-key"
export HOST="0.0.0.0"
export PORT="8000"
export DEBUG="false"
export ENVIRONMENT="production"

模型配置

• 零样本模型：使用query/base_words.txt文件
• 高级模型：使用data/models/文件夹中的预训练模型

📡 API端点

零样本分类API (端口 8002)

• POST /api/classify - 图像分类
• GET /api/categories - 类别列表
• POST /api/categories/add - 添加类别
• DELETE /api/categories/remove - 删除类别
• GET /api/categories/search - 搜索类别
• GET /health - 服务器状态检查

高级分类API (端口 8001)

• POST /api/classify - 图像分类
• GET /health - 服务器状态检查

🧪 测试

# 系统测试
python3 scripts/testing/test_system.py

# API测试
python3 scripts/testing/test_api.py

# 认证测试
python3 scripts/testing/test_auth.py

📦 部署

注册为系统服务 (Linux)

# 安装服务
sudo ./scripts/setup/install_service.sh

# 启动服务
sudo systemctl start visionai-pro
sudo systemctl enable visionai-pro

Docker部署 (可选)

# 构建Docker镜像
docker build -t visionai-pro .

# 运行容器
docker run -p 8000:8000 visionai-pro

🔍 故障排除

常见问题

1. 端口冲突：使用不同端口或停止运行的服务
2. 模型加载失败：检查模型文件路径
3. 权限错误：检查文件权限和目录访问权限

日志检查

# 检查日志文件
tail -f logs/app.log

# 实时日志监控
journalctl -u visionai-pro -f

📄 许可证

本项目在MIT许可证下分发。详情请参阅LICENSE文件。

🤝 贡献

欢迎错误报告、功能请求和拉取请求！

---

VisionAI Pro - 图像分类的新标准 🚀

---

🔍 VisionAI Pro - Sistema de Clasificación de Imágenes

Un sistema de clasificación de imágenes basado en ProRL V2 que proporciona una interfaz web estilo Pinterest y API REST con soporte de backend Firebase.

🔥 Integración Firebase

Este sistema ahora admite Firebase Firestore como base de datos backend, proporcionando:

• Almacenamiento en la Nube: Todos los datos almacenados de forma segura en Firebase Firestore
• Sincronización en Tiempo Real: Sincronización automática de datos entre dispositivos
• Escalabilidad: Construido para aplicaciones de alto tráfico
• Gestión de Usuarios: Perfiles de usuario avanzados y estadísticas de uso
• Analíticas: Seguimiento detallado de uso y métricas de rendimiento
• Historial: Historial completo de clasificación para cada usuario

✨ Características Principales

• Clasificación de Imágenes IA: Clasificación precisa de categorías de imágenes usando el modelo ProRL V2
• API REST: Servicio API seguro con autenticación basada en clave API
• Interfaz Web: Interfaz intuitiva estilo Pinterest para búsqueda y clasificación de imágenes
• Herramienta CLI: Clasificación de imágenes desde línea de comandos y gestión de claves API
• Análisis en Tiempo Real: Clasificación inmediata y visualización de resultados de imágenes subidas

🚀 Inicio Rápido

1. Configuración del Entorno

# Clonar repositorio
git clone <repository-url>
cd VisionAI2025Pro

# Crear y activar entorno virtual
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Instalar dependencias
pip install -r config/requirements.txt

2. Variables de Entorno

# Crear archivo .env (referirse a env_example.txt)
cp config/env_example.txt .env

# Editar archivo .env con valores reales
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # o cuda

3. Iniciar Servidor

Opción A: SQLite (Predeterminado)

# Ejecutar servidor principal con SQLite
python3 main.py zero-shot

# O ejecutar uvicorn directamente
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

Opción B: Firebase

# Ejecutar servidor basado en Firebase
python3 main.py firebase

# O ejecutar uvicorn directamente
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - Nuevo estándar en clasificación de imágenes 🚀

---

🔍 VisionAI Pro - Système de Classification d'Images

Un système de classification d'images basé sur ProRL V2 qui fournit une interface web style Pinterest et une API REST avec support de backend Firebase.

🔥 Intégration Firebase

Ce système prend maintenant en charge Firebase Firestore comme base de données backend, fournissant :

• Stockage Cloud : Toutes les données stockées de manière sécurisée dans Firebase Firestore
• Synchronisation en Temps Réel : Synchronisation automatique des données entre appareils
• Évolutivité : Construit pour les applications à fort trafic
• Gestion des Utilisateurs : Profils d'utilisateurs avancés et statistiques d'utilisation
• Analytiques : Suivi détaillé de l'utilisation et métriques de performance
• Historique : Historique complet de classification pour chaque utilisateur

✨ Caractéristiques Principales

• Classification d'Images IA : Classification précise des catégories d'images utilisant le modèle ProRL V2
• API REST : Service API sécurisé avec autenticación basée sur la clé API
• Interface Web : Interface intuitive style Pinterest pour la recherche et classification d'images
• Outil CLI : Classification d'images en ligne de commande et gestion des clés API
• Analyse en Temps Réel : Classification immédiate et affichage des résultats des images téléchargées

🚀 Démarrage Rapide

1. Configuration de l'Environnement

# Cloner le dépôt
git clone <repository-url>
cd VisionAI2025Pro

# Créer et activer l'environnement virtuel
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Installer les dépendances
pip install -r config/requirements.txt

2. Variables d'Environnement

# Créer le fichier .env (se référer à env_example.txt)
cp config/env_example.txt .env

# Éditer le fichier .env avec les vraies valeurs
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # ou cuda

3. Démarrer le Serveur

Option A : SQLite (Par défaut)

# Exécuter le serveur principal avec SQLite
python3 main.py zero-shot

# Ou exécuter uvicorn directement
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

Option B : Firebase

# Exécuter le serveur basé sur Firebase
python3 main.py firebase

# Ou exécuter uvicorn directement
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - Nouveau standard en classification d'images 🚀

---

🔍 VisionAI Pro - Bildklassifizierungssystem

Ein ProRL V2-basiertes Bildklassifizierungssystem, das eine Pinterest-ähnliche Web-Oberfläche und REST-API mit Firebase Backend-Unterstützung bietet.

🔥 Firebase-Integration

Dieses System unterstützt jetzt Firebase Firestore als Backend-Datenbank und bietet:

• Cloud-Speicher: Alle Daten sicher in Firebase Firestore gespeichert
• Echtzeit-Synchronisation: Automatische Datensynchronisation zwischen Geräten
• Skalierbarkeit: Für hochfrequente Anwendungen entwickelt
• Benutzerverwaltung: Erweiterte Benutzerprofile und Nutzungsstatistiken
• Analytik: Detailliertes Nutzungstracking und Leistungsmetriken
• Verlauf: Vollständiger Klassifizierungsverlauf für jeden Benutzer

✨ Hauptmerkmale

• KI-Bildklassifizierung: Präzise Bildkategorienklassifizierung mit dem ProRL V2-Modell
• REST-API: Sicherer API-Service mit API-Schlüssel-basierter Authentifizierung
• Web-Interface: Intuitive Pinterest-ähnliche Bildsuch- und Klassifizierungsoberfläche
• CLI-Tool: Befehlszeilen-Bildklassifizierung und API-Schlüsselverwaltung
• Echtzeit-Analyse: Sofortige Klassifizierung und Ergebnisanzeige hochgeladener Bilder

🚀 Schnellstart

1. Umgebungseinrichtung

# Repository klonen
git clone <repository-url>
cd VisionAI2025Pro

# Virtuelle Umgebung erstellen und aktivieren
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Abhängigkeiten installieren
pip install -r config/requirements.txt

2. Umgebungsvariablen

# .env-Datei erstellen (siehe env_example.txt)
cp config/env_example.txt .env

# .env-Datei mit echten Werten bearbeiten
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # oder cuda

3. Server starten

Option A: SQLite (Standard)

# Hauptserver mit SQLite ausführen
python3 main.py zero-shot

# Oder uvicorn direkt ausführen
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

Option B: Firebase

# Firebase-basierten Server ausführen
python3 main.py firebase

# Oder uvicorn direkt ausführen
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - Neuer Standard in der Bildklassifizierung 🚀

---

🔍 VisionAI Pro - Sistema de Classificação de Imagens

Um sistema de classificação de imagens baseado em ProRL V2 que fornece uma interface web estilo Pinterest e API REST com suporte de backend Firebase.

🔥 Integração Firebase

Este sistema agora suporta Firebase Firestore como banco de dados backend, fornecendo:

• Armazenamento em Nuvem: Todos os dados armazenados com segurança no Firebase Firestore
• Sincronização em Tempo Real: Sincronização automática de dados entre dispositivos
• Escalabilidade: Construído para aplicações de alto tráfego
• Gestão de Usuários: Perfis de usuário avançados e estatísticas de uso
• Analytics: Rastreamento detalhado de uso e métricas de performance
• Histórico: Histórico completo de classificação para cada usuário

✨ Características Principais

• Classificação de Imagens IA: Classificação precisa de categorias de imagens usando o modelo ProRL V2
• API REST: Serviço API seguro com autenticação baseada em chave API
• Interface Web: Interface intuitiva estilo Pinterest para busca e classificação de imagens
• Ferramenta CLI: Classificação de imagens via linha de comando e gestão de chaves API
• Análise em Tempo Real: Classificação imediata e visualização de resultados de imagens carregadas

🚀 Início Rápido

1. Configuração do Ambiente

# Clonar repositório
git clone <repository-url>
cd VisionAI2025Pro

# Criar e ativar ambiente virtual
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Instalar dependências
pip install -r config/requirements.txt

2. Variáveis de Ambiente

# Criar arquivo .env (referir-se ao env_example.txt)
cp config/env_example.txt .env

# Editar arquivo .env com valores reais
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # ou cuda

3. Iniciar Servidor

Opção A: SQLite (Padrão)

# Executar servidor principal com SQLite
python3 main.py zero-shot

# Ou executar uvicorn diretamente
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

Opção B: Firebase

# Executar servidor baseado em Firebase
python3 main.py firebase

# Ou executar uvicorn diretamente
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - Novo padrão em classificação de imagens 🚀

---

🔍 VisionAI Pro - نظام تصنيف الصور

نظام تصنيف الصور القائم على ProRL V2 الذي يوفر واجهة ويب على طراز Pinterest وواجهة برمجة تطبيقات REST مع دعم خادم Firebase.

🔥 تكامل Firebase

يدعم هذا النظام الآن Firebase Firestore كقاعدة بيانات خلفية، مما يوفر:

• التخزين السحابي: جميع البيانات مخزنة بأمان في Firebase Firestore
• المزامنة في الوقت الفعلي: مزامنة تلقائية للبيانات بين الأجهزة
• القابلية للتوسع: مصمم للتطبيقات عالية الحركة
• إدارة المستخدمين: ملفات مستخدمين متقدمة وإحصائيات الاستخدام
• التحليلات: تتبع مفصل للاستخدام ومقاييس الأداء
• السجل: سجل كامل للتصنيف لكل مستخدم

✨ الميزات الرئيسية

• تصنيف الصور بالذكاء الاصطناعي: تصنيف دقيق لفئات الصور باستخدام نموذج ProRL V2
• واجهة برمجة تطبيقات REST: خدمة API آمنة مع المصادقة القائمة على مفتاح API
• واجهة الويب: واجهة بديهية على طراز Pinterest للبحث وتصنيف الصور
• أداة CLI: تصنيف الصور من سطر الأوامر وإدارة مفاتيح API
• التحليل في الوقت الفعلي: تصنيف فوري وعرض نتائج الصور المرفوعة

🚀 البدء السريع

1. إعداد البيئة

# استنساخ المستودع
git clone <repository-url>
cd VisionAI2025Pro

# إنشاء وتفعيل البيئة الافتراضية
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# تثبيت التبعيات
pip install -r config/requirements.txt

2. متغيرات البيئة

# إنشاء ملف .env (الرجوع إلى env_example.txt)
cp config/env_example.txt .env

# تحرير ملف .env بقيم حقيقية
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # أو cuda

3. بدء الخادم

الخيار أ: SQLite (افتراضي)

# تشغيل الخادم الرئيسي مع SQLite
python3 main.py zero-shot

# أو تشغيل uvicorn مباشرة
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

الخيار ب: Firebase

# تشغيل الخادم القائم على Firebase
python3 main.py firebase

# أو تشغيل uvicorn مباشرة
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - معيار جديد في تصنيف الصور 🚀

---

🔍 VisionAI Pro - छवि वर्गीकरण प्रणाली

ProRL V2 आधारित छवि वर्गीकरण प्रणाली जो Firebase बैकएंड समर्थन के साथ Pinterest-शैली वेब इंटरफेस और REST API प्रदान करती है।

🔥 Firebase एकीकरण

यह प्रणाली अब Firebase Firestore को बैकएंड डेटाबेस के रूप में समर्थन करती है, प्रदान करती है:

• क्लाउड स्टोरेज: सभी डेटा Firebase Firestore में सुरक्षित रूप से संग्रहीत
• रियल-टाइम सिंक्रनाइज़ेशन: डिवाइसों के बीच डेटा का स्वचालित सिंक्रनाइज़ेशन
• स्केलेबिलिटी: उच्च-ट्रैफिक अनुप्रयोगों के लिए निर्मित
• उपयोगकर्ता प्रबंधन: उन्नत उपयोगकर्ता प्रोफाइल और उपयोग आंकड़े
• एनालिटिक्स: विस्तृत उपयोग ट्रैकिंग और प्रदर्शन मेट्रिक्स
• इतिहास: प्रत्येक उपयोगकर्ता के लिए पूर्ण वर्गीकरण इतिहास

✨ मुख्य विशेषताएं

• AI छवि वर्गीकरण: ProRL V2 मॉडल का उपयोग करके छवि श्रेणियों का सटीक वर्गीकरण
• REST API: API कुंजी-आधारित प्रमाणीकरण के साथ सुरक्षित API सेवा
• वेब इंटरफेस: छवि खोज और वर्गीकरण के लिए सहज Pinterest-शैली इंटरफेस
• CLI उपकरण: कमांड लाइन छवि वर्गीकरण और API कुंजी प्रबंधन
• रियल-टाइम विश्लेषण: अपलोड की गई छवियों का तत्काल वर्गीकरण और परिणाम प्रदर्शन

🚀 त्वरित प्रारंभ

1. पर्यावरण सेटअप

# रिपॉजिटरी क्लोन करें
git clone <repository-url>
cd VisionAI2025Pro

# वर्चुअल एनवायरनमेंट बनाएं और सक्रिय करें
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# निर्भरताएं स्थापित करें
pip install -r config/requirements.txt

2. पर्यावरण चर

# .env फ़ाइल बनाएं (env_example.txt देखें)
cp config/env_example.txt .env

# .env फ़ाइल को वास्तविक मूल्यों के साथ संपादित करें
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # या cuda

3. सर्वर शुरू करें

विकल्प ए: SQLite (डिफ़ॉल्ट)

# SQLite के साथ मुख्य सर्वर चलाएं
python3 main.py zero-shot

# या सीधे uvicorn चलाएं
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

विकल्प बी: Firebase

# Firebase-आधारित सर्वर चलाएं
python3 main.py firebase

# या सीधे uvicorn चलाएं
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - छवि वर्गीकरण में नया मानक 🚀

---

🔍 VisionAI Pro - 画像分類システム

ProRL V2ベースの画像分類システムで、Firebaseバックエンドサポート付きのPinterestスタイルのWebインターフェースとREST APIを提供します。

🔥 Firebase統合

このシステムは現在、バックエンドデータベースとしてFirebase Firestoreをサポートし、以下を提供します：

• クラウドストレージ: すべてのデータがFirebase Firestoreに安全に保存
• リアルタイム同期: デバイス間でのデータの自動同期
• スケーラビリティ: 高トラフィックアプリケーション向けに構築
• ユーザー管理: 高度なユーザープロファイルと使用統計
• アナリティクス: 詳細な使用追跡とパフォーマンスメトリクス
• 履歴: 各ユーザーの完全な分類履歴

✨ 主な機能

• AI画像分類: ProRL V2モデルを使用した画像カテゴリの正確な分類
• REST API: APIキーベースの認証による安全なAPIサービス
• Webインターフェース: 画像検索と分類のための直感的なPinterestスタイルインターフェース
• CLIツール: コマンドライン画像分類とAPIキー管理
• リアルタイム分析: アップロードされた画像の即座の分類と結果表示

🚀 クイックスタート

1. 環境セットアップ

# リポジトリをクローン
git clone <repository-url>
cd VisionAI2025Pro

# 仮想環境を作成してアクティベート
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 依存関係をインストール
pip install -r config/requirements.txt

2. 環境変数

# .envファイルを作成（env_example.txtを参照）
cp config/env_example.txt .env

# .envファイルを実際の値で編集
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # または cuda

3. サーバー開始

オプションA: SQLite（デフォルト）

# SQLiteでメインサーバーを実行
python3 main.py zero-shot

# またはuvicornを直接実行
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

オプションB: Firebase

# Firebaseベースのサーバーを実行
python3 main.py firebase

# またはuvicornを直接実行
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - 画像分類の新しい標準 🚀

---

🔍 VisionAI Pro - Система классификации изображений

Система классификации изображений на основе ProRL V2, которая предоставляет веб-интерфейс в стиле Pinterest и REST API с поддержкой Firebase бэкенда.

🔥 Интеграция Firebase

Эта система теперь поддерживает Firebase Firestore в качестве бэкенд базы данных, предоставляя:

• Облачное хранилище: Все данные безопасно хранятся в Firebase Firestore
• Синхронизация в реальном времени: Автоматическая синхронизация данных между устройствами
• Масштабируемость: Построена для высоконагруженных приложений
• Управление пользователями: Расширенные профили пользователей и статистика использования
• Аналитика: Детальное отслеживание использования и метрики производительности
• История: Полная история классификации для каждого пользователя

✨ Основные функции

• ИИ классификация изображений: Точная классификация категорий изображений с использованием модели ProRL V2
• REST API: Безопасный API сервис с аутентификацией на основе API ключа
• Веб-интерфейс: Интуитивный интерфейс в стиле Pinterest для поиска и классификации изображений
• CLI инструмент: Классификация изображений из командной строки и управление API ключами
• Анализ в реальном времени: Мгновенная классификация и отображение результатов загруженных изображений

🚀 Быстрый старт

1. Настройка окружения

# Клонировать репозиторий
git clone <repository-url>
cd VisionAI2025Pro

# Создать и активировать виртуальное окружение
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Установить зависимости
pip install -r config/requirements.txt

2. Переменные окружения

# Создать файл .env (см. env_example.txt)
cp config/env_example.txt .env

# Отредактировать файл .env с реальными значениями
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # или cuda

3. Запуск сервера

Вариант А: SQLite (по умолчанию)

# Запустить основной сервер с SQLite
python3 main.py zero-shot

# Или запустить uvicorn напрямую
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

Вариант Б: Firebase

# Запустить сервер на основе Firebase
python3 main.py firebase

# Или запустить uvicorn напрямую
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - Новый стандарт в классификации изображений 🚀

---

🔍 VisionAI Pro - Sistem Klasifikasi Gambar

Sistem klasifikasi gambar berbasis ProRL V2 yang menyediakan antarmuka web bergaya Pinterest dan REST API dengan dukungan backend Firebase.

🔥 Integrasi Firebase

Sistem ini sekarang mendukung Firebase Firestore sebagai database backend, menyediakan:

• Penyimpanan Cloud: Semua data disimpan dengan aman di Firebase Firestore
• Sinkronisasi Real-time: Sinkronisasi otomatis data antar perangkat
• Skalabilitas: Dibangun untuk aplikasi ber-traffic tinggi
• Manajemen Pengguna: Profil pengguna canggih dan statistik penggunaan
• Analitik: Pelacakan penggunaan detail dan metrik kinerja
• Riwayat: Riwayat klasifikasi lengkap untuk setiap pengguna

✨ Fitur Utama

• Klasifikasi Gambar AI: Klasifikasi akurat kategori gambar menggunakan model ProRL V2
• REST API: Layanan API aman dengan autentikasi berbasis kunci API
• Antarmuka Web: Antarmuka intuitif bergaya Pinterest untuk pencarian dan klasifikasi gambar
• Tool CLI: Klasifikasi gambar dari baris perintah dan manajemen kunci API
• Analisis Real-time: Klasifikasi instan dan tampilan hasil gambar yang diunggah

🚀 Mulai Cepat

1. Pengaturan Lingkungan

# Klon repositori
git clone <repository-url>
cd VisionAI2025Pro

# Buat dan aktifkan lingkungan virtual
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Install dependensi
pip install -r config/requirements.txt

2. Variabel Lingkungan

# Buat file .env (lihat env_example.txt)
cp config/env_example.txt .env

# Edit file .env dengan nilai yang sebenarnya
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # atau cuda

3. Mulai Server

Opsi A: SQLite (Default)

# Jalankan server utama dengan SQLite
python3 main.py zero-shot

# Atau jalankan uvicorn langsung
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

Opsi B: Firebase

# Jalankan server berbasis Firebase
python3 main.py firebase

# Atau jalankan uvicorn langsung
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - Standar baru dalam klasifikasi gambar 🚀

---

🔍 VisionAI Pro - Hệ Thống Phân Loại Hình Ảnh

Hệ thống phân loại hình ảnh dựa trên ProRL V2 cung cấp giao diện web kiểu Pinterest và REST API với hỗ trợ backend Firebase.

🔥 Tích Hợp Firebase

Hệ thống này hiện hỗ trợ Firebase Firestore làm cơ sở dữ liệu backend, cung cấp:

• Lưu Trữ Đám Mây: Tất cả dữ liệu được lưu trữ an toàn trong Firebase Firestore
• Đồng Bộ Thời Gian Thực: Đồng bộ tự động dữ liệu giữa các thiết bị
• Khả Năng Mở Rộng: Được xây dựng cho các ứng dụng có lưu lượng cao
• Quản Lý Người Dùng: Hồ sơ người dùng nâng cao và thống kê sử dụng
• Phân Tích: Theo dõi chi tiết việc sử dụng và các chỉ số hiệu suất
• Lịch Sử: Lịch sử phân loại đầy đủ cho mỗi người dùng

✨ Tính Năng Chính

• Phân Loại Hình Ảnh AI: Phân loại chính xác các danh mục hình ảnh sử dụng mô hình ProRL V2
• REST API: Dịch vụ API an toàn với xác thực dựa trên khóa API
• Giao Diện Web: Giao diện trực quan kiểu Pinterest để tìm kiếm và phân loại hình ảnh
• Công Cụ CLI: Phân loại hình ảnh từ dòng lệnh và quản lý khóa API
• Phân Tích Thời Gian Thực: Phân loại tức thì và hiển thị kết quả hình ảnh đã tải lên

🚀 Bắt Đầu Nhanh

1. Thiết Lập Môi Trường

# Sao chép kho lưu trữ
git clone <repository-url>
cd VisionAI2025Pro

# Tạo và kích hoạt môi trường ảo
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Cài đặt các phụ thuộc
pip install -r config/requirements.txt

2. Biến Môi Trường

# Tạo file .env (tham khảo env_example.txt)
cp config/env_example.txt .env

# Chỉnh sửa file .env với các giá trị thực
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # hoặc cuda

3. Khởi Động Máy Chủ

Tùy Chọn A: SQLite (Mặc Định)

# Chạy máy chủ chính với SQLite
python3 main.py zero-shot

# Hoặc chạy uvicorn trực tiếp
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

Tùy Chọn B: Firebase

# Chạy máy chủ dựa trên Firebase
python3 main.py firebase

# Hoặc chạy uvicorn trực tiếp
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - Tiêu chuẩn mới trong phân loại hình ảnh 🚀

---

🔍 VisionAI Pro - Görüntü Sınıflandırma Sistemi

ProRL V2 tabanlı görüntü sınıflandırma sistemi, Firebase backend desteği ile Pinterest tarzı web arayüzü ve REST API sağlar.

🔥 Firebase Entegrasyonu

Bu sistem artık backend veritabanı olarak Firebase Firestore'u destekliyor ve şunları sağlıyor:

• Bulut Depolama: Tüm veriler Firebase Firestore'da güvenli bir şekilde saklanıyor
• Gerçek Zamanlı Senkronizasyon: Cihazlar arası veri otomatik senkronizasyonu
• Ölçeklenebilirlik: Yüksek trafikli uygulamalar için inşa edilmiş
• Kullanıcı Yönetimi: Gelişmiş kullanıcı profilleri ve kullanım istatistikleri
• Analitik: Detaylı kullanım takibi ve performans metrikleri
• Geçmiş: Her kullanıcı için tam sınıflandırma geçmişi

✨ Ana Özellikler

• AI Görüntü Sınıflandırması: ProRL V2 modelini kullanarak görüntü kategorilerinin doğru sınıflandırması
• REST API: API anahtarı tabanlı kimlik doğrulama ile güvenli API hizmeti
• Web Arayüzü: Görüntü arama ve sınıflandırma için sezgisel Pinterest tarzı arayüz
• CLI Aracı: Komut satırı görüntü sınıflandırması ve API anahtarı yönetimi
• Gerçek Zamanlı Analiz: Yüklenen görüntülerin anında sınıflandırması ve sonuç görüntüleme

🚀 Hızlı Başlangıç

1. Ortam Kurulumu

# Depoyu klonla
git clone <repository-url>
cd VisionAI2025Pro

# Sanal ortam oluştur ve etkinleştir
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Bağımlılıkları yükle
pip install -r config/requirements.txt

2. Ortam Değişkenleri

# .env dosyası oluştur (env_example.txt'ye bakın)
cp config/env_example.txt .env

# .env dosyasını gerçek değerlerle düzenle
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # veya cuda

3. Sunucuyu Başlat

Seçenek A: SQLite (Varsayılan)

# SQLite ile ana sunucuyu çalıştır
python3 main.py zero-shot

# Veya uvicorn'u doğrudan çalıştır
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

Seçenek B: Firebase

# Firebase tabanlı sunucuyu çalıştır
python3 main.py firebase

# Veya uvicorn'u doğrudan çalıştır
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - Görüntü sınıflandırmasında yeni standart 🚀

---

🔍 VisionAI Pro - Sistema di Classificazione delle Immagini

Sistema di classificazione delle immagini basato su ProRL V2 che fornisce un'interfaccia web in stile Pinterest e API REST con supporto backend Firebase.

🔥 Integrazione Firebase

Questo sistema ora supporta Firebase Firestore come database backend, fornendo:

• Archiviazione Cloud: Tutti i dati archiviati in modo sicuro in Firebase Firestore
• Sincronizzazione in Tempo Reale: Sincronizzazione automatica dei dati tra dispositivi
• Scalabilità: Costruito per applicazioni ad alto traffico
• Gestione Utenti: Profili utente avanzati e statistiche di utilizzo
• Analytics: Tracciamento dettagliato dell'utilizzo e metriche delle prestazioni
• Cronologia: Cronologia completa di classificazione per ogni utente

✨ Caratteristiche Principali

• Classificazione Immagini AI: Classificazione accurata delle categorie di immagini utilizzando il modello ProRL V2
• REST API: Servizio API sicuro con autenticazione basata su chiave API
• Interfaccia Web: Interfaccia intuitiva in stile Pinterest per ricerca e classificazione delle immagini
• Strumento CLI: Classificazione delle immagini da riga di comando e gestione delle chiavi API
• Analisi in Tempo Reale: Classificazione istantanea e visualizzazione dei risultati delle immagini caricate

🚀 Avvio Rapido

1. Configurazione dell'Ambiente

# Clona il repository
git clone <repository-url>
cd VisionAI2025Pro

# Crea e attiva l'ambiente virtuale
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Installa le dipendenze
pip install -r config/requirements.txt

2. Variabili d'Ambiente

# Crea il file .env (riferimento a env_example.txt)
cp config/env_example.txt .env

# Modifica il file .env con valori reali
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # o cuda

3. Avvia il Server

Opzione A: SQLite (Predefinito)

# Esegui il server principale con SQLite
python3 main.py zero-shot

# Oppure esegui uvicorn direttamente
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

Opzione B: Firebase

# Esegui il server basato su Firebase
python3 main.py firebase

# Oppure esegui uvicorn direttamente
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - Nuovo standard nella classificazione delle immagini 🚀

---

🔍 VisionAI Pro - Sistema de Clasificación de Imágenes (México)

Sistema de clasificación de imágenes basado en ProRL V2 que proporciona una interfaz web estilo Pinterest y API REST con soporte de backend Firebase.

🔥 Integración Firebase

Este sistema ahora admite Firebase Firestore como base de datos backend, proporcionando:

• Almacenamiento en la Nube: Todos los datos almacenados de forma segura en Firebase Firestore
• Sincronización en Tiempo Real: Sincronización automática de datos entre dispositivos
• Escalabilidad: Construido para aplicaciones de alto tráfico
• Gestión de Usuarios: Perfiles de usuario avanzados y estadísticas de uso
• Analíticas: Seguimiento detallado de uso y métricas de rendimiento
• Historial: Historial completo de clasificación para cada usuario

✨ Características Principales

• Clasificación de Imágenes IA: Clasificación precisa de categorías de imágenes usando el modelo ProRL V2
• API REST: Servicio API seguro con autenticación basada en clave API
• Interfaz Web: Interfaz intuitiva estilo Pinterest para búsqueda y clasificación de imágenes
• Herramienta CLI: Clasificación de imágenes desde línea de comandos y gestión de claves API
• Análisis en Tiempo Real: Clasificación inmediata y visualización de resultados de imágenes subidas

🚀 Inicio Rápido

1. Configuración del Entorno

# Clonar repositorio
git clone <repository-url>
cd VisionAI2025Pro

# Crear y activar entorno virtual
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Instalar dependencias
pip install -r config/requirements.txt

2. Variables de Entorno

# Crear archivo .env (referirse a env_example.txt)
cp config/env_example.txt .env

# Editar archivo .env con valores reales
API_SECRET_KEY=your-secret-key-here
DEVICE=cpu  # o cuda

3. Iniciar Servidor

Opción A: SQLite (Predeterminado)

# Ejecutar servidor principal con SQLite
python3 main.py zero-shot

# O ejecutar uvicorn directamente
uvicorn src.api.zero_shot_main:app --reload --host 0.0.0.0 --port 8002

Opción B: Firebase

# Ejecutar servidor basado en Firebase
python3 main.py firebase

# O ejecutar uvicorn directamente
uvicorn src.api.firebase_main:app --reload --host 0.0.0.0 --port 8003

---

VisionAI Pro - Nuevo estándar en clasificación de imágenes 🚀