src/streamlit_app.py

import io

from PIL import Image
import streamlit as st

import config
from utils import draw_boxes, run_detection


# App config
st.set_page_config(
    page_title=config.PAGE_TITLE,
    page_icon=config.PAGE_ICON,
    layout=config.LAYOUT,
)

# Sidebar controls
st.sidebar.header("⚙️ Настройки")
model_label = st.sidebar.selectbox(
    "Hugging Face модель",
    options=list(config.MODEL_CATALOG.keys()),
    index=0,
    help="Например, YOLO модель для детекции",
)
model_id = config.MODEL_CATALOG[model_label]
threshold = st.sidebar.slider(
    "Порог уверенности",
    min_value=0.0,
    max_value=1.0,
    value=float(config.DEFAULT_THRESHOLD),
    step=0.01,
)

st.title(config.PAGE_ICON + " " + config.PAGE_TITLE)
st.write(
    "Загрузите изображение. Модель найдёт объекты "
    "и отрисует bounding boxes."
)

uploaded = st.file_uploader(
    "Выберите изображение",
    type=config.UPLOADER_TYPES,
    accept_multiple_files=False,
)

if uploaded is not None:
    try:
        image = Image.open(uploaded).convert("RGB")
    except Exception as exc:
        st.error(f"Не удалось открыть изображение: {exc}")
        st.stop()
    
    with st.spinner("Детекция логотипов…"):
        try:
            predictions = run_detection(
                model_id,
                image,
            )
        except Exception as exc:
            st.error(f"Ошибка инференса: {exc}")
            st.stop()

    cols = st.columns(2)
    with cols[0]:
        st.image(
            image,
            caption="Оригинал",
            use_container_width=True,
        )


    if isinstance(predictions, dict) and predictions.get("error"):
        err_msg = predictions.get("error")
        st.error(f"Ошибка модели: {err_msg}")
        st.stop()

    annotated_image = draw_boxes(image, predictions, threshold)

    with cols[1]:
        st.image(
            annotated_image,
            caption="С найденными боксами",
            use_container_width=True,
        )

    # Stats and download
    shown = sum(
        1
        for p in predictions  # type: ignore[assignment]
        if float(p.get("score", 0.0)) >= threshold
    )
    total = len(predictions)  # type: ignore[arg-type]
    st.caption(
        f"Показано боксов: {shown} из {total} "
        f"(порог {threshold:.2f})"
    )
    predictions_str = "\n".join(
        [f"{p['label']}: {round(p['score'], 2)}" for p in predictions]
    )
    st.markdown(f"**{predictions_str}**")

    buf = io.BytesIO()
    annotated_image.save(buf, format="PNG")
    st.download_button(
        label="Скачать размеченное изображение",
        data=buf.getvalue(),
        file_name="detections.png",
        mime="image/png",
        type="primary",
    )