https://github.com/edujbarrios/dogvllmexpertexample
A quick and easy implemented example on how to build an AI powered system (A visual LLM about dog knowledge) using python, a general and non trained ResNet and streamlit on its frontend
https://github.com/edujbarrios/dogvllmexpertexample
dog easy example ia llm rag
Last synced: 6 months ago
JSON representation
A quick and easy implemented example on how to build an AI powered system (A visual LLM about dog knowledge) using python, a general and non trained ResNet and streamlit on its frontend
- Host: GitHub
- URL: https://github.com/edujbarrios/dogvllmexpertexample
- Owner: edujbarrios
- Created: 2024-12-26T13:45:59.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2024-12-26T13:58:13.000Z (about 1 year ago)
- Last Synced: 2025-01-03T11:15:42.155Z (about 1 year ago)
- Topics: dog, easy, example, ia, llm, rag
- Language: Python
- Homepage:
- Size: 15.6 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# DogVLLMexpertExample 🐕
[English](#english) | [Español](#español)
## English
### Overview
DogVLLMexpert is an advanced AI-powered platform for comprehensive canine image analysis and intelligent breed insights. Our platform combines cutting-edge machine learning technologies with an intuitive user interface to provide detailed analysis and information about dogs through images.
### Key Features
- 🤖 Advanced breed identification using AI
- 📊 Detailed breed characteristics analysis
- 🔍 Intelligent image processing with WEBP support
- 🌐 Multilingual support (English/Spanish)
- 🧠 RAG (Retrieval-Augmented Generation) system for accurate information
- 💡 Interactive and user-friendly interface
### Technologies Used
- **Frontend**: Streamlit
- **AI/ML**:
- PyTorch & Torchvision
- Transformers
- LLaVA (Large Language and Vision Assistant)
- **Data Processing**:
- ChromaDB for semantic search
- Sentence Transformers for embeddings
- NumPy & scikit-learn
- **Image Processing**: Pillow
### Installation
```bash
# Clone the repository
https://github.com/edujbarrios/DogVLLMexpertExample.git
# Navigate to project directory
cd DogVLLMexpertExample
# Install dependencies
Use the attached pyProject
# Run the application
streamlit run main.py
```
### Usage
1. Launch the application using `streamlit run main.py`
2. Upload a dog image through the web interface
3. Get detailed analysis including:
- Breed identification
- Breed characteristics
- Health considerations
- Care recommendations
### Requirements
- Python 3.8+
- Required packages listed in `pyproject`
---
## Español
### Descripción General
DogVLLMexpert es una plataforma avanzada impulsada por IA para el análisis integral de imágenes caninas y conocimientos inteligentes sobre razas. Nuestra plataforma combina tecnologías de aprendizaje automático de vanguardia con una interfaz de usuario intuitiva.
### Características Principales
- 🤖 Identificación avanzada de razas usando IA
- 📊 Análisis detallado de características de razas
- 🔍 Procesamiento inteligente de imágenes con soporte WEBP
- 🌐 Soporte multilingüe (Inglés/Español)
- 🧠 Sistema RAG para información precisa
- 💡 Interfaz interactiva y fácil de usar
### Tecnologías Utilizadas
- **Frontend**: Streamlit
- **IA/ML**:
- PyTorch & Torchvision
- Transformers
- LLaVA (Large Language and Vision Assistant)
- **Procesamiento de Datos**:
- ChromaDB para búsqueda semántica
- Sentence Transformers para embeddings
- NumPy & scikit-learn
- **Procesamiento de Imágenes**: Pillow
### Instalación
```bash
# Clonar el repositorio
https://github.com/edujbarrios/DogVLLMexpertExample.git
# Navegar al directorio del proyecto
cd DogVLLMexpertExample
# Instalar dependencias
Usa el pyProject que se adjunta
# Ejecutar la aplicación
streamlit run main.py
```
### Uso
1. Inicie la aplicación usando `streamlit run main.py`
2. Suba una imagen de perro a través de la interfaz web
3. Obtenga un análisis detallado que incluye:
- Identificación de la raza
- Características de la raza
- Consideraciones de salud
- Recomendaciones de cuidado
### Requisitos
- Python 3.8+
- Paquetes requeridos listados en `pyproject`
---
## License / Licencia
MIT License / Licencia MIT