gaouehalim/Automatic-annotation-of-African-images

# 🌍 Automatic Annotation of African Scenes ## 📜 Présentation Ce projet vise à automatiser l'annotation d'images représentant des **scènes africaines** à l'aide de modèles de vision modernes. L'objectif est de **réduire le biais culturel** dans les datasets d'images, en générant des annotations mieux adaptées aux spécificités africaines. --- ## 🎯 Objectifs - **Collecter** un dataset riche et varié d'images africaines. - **Annoter automatiquement** ces images avec un modèle de vision de pointe (**BLIP-2**). - **Évaluer la qualité** des annotations générées en les comparant aux descriptions humaines. - **Développer une interface utilisateur** intuitive pour visualiser et interagir avec les résultats. --- ## 🏛️ Structure du projet ```bash african_data_collector/ ├── data_collection.py # Collecte d'images via l'API Unsplash ├── data_cleaning.py # Nettoyage et formatage des données collectées ├── data_analysis.py # Analyse statistique du dataset ├── fusion.py # Fusion et préparation finale du dataset annotation/ └── blip2_annotator/ └── blip2_annotator.py # Annotation automatique avec BLIP-2 evaluation/ └── compare_annotations_bert.ipynb # Évaluation de la similarité sémantique avec BERT app/ ├── main.py # Application Streamlit ├── modules/ # Pages du dashboard (dashboard, upload, about) ├── data/ # Résultats finaux (annotations + scores) requirements.txt # Dépendances du projet README.md # Présentation du projet ``` --- ## 🛠️ Outils et technologies utilisés | Outil / Technologie | Utilisation | |:---------------------------|:------------| | **Unsplash API** | Collecte d'images africaines | | **Pandas** | Manipulation de données | | **Streamlit** | Développement d'une interface utilisateur web | | **BLIP-2 (Salesforce)** | Génération automatique d'annotations | | **Sentence- …