图片库AI打标签功能

基于FastAPI和AI模型的图片自动标签生成。

项目结构

/project
    /images               # 用于存储上传的图片
    /app
        __init__.py       # Python包初始化文件
        main.py           # FastAPI 服务代码
        model.py          # AI 模型代码
        requirements.txt  # 依赖文件
    Dockerfile
    docker-compose.yml
    README.md

功能特性

• 图片上传和存储
• AI自动标签生成
• RESTful API接口
• Docker容器化部署
• 异步处理支持
• 支持多种图片格式

使用步骤

方式1：使用Docker Compose（推荐）

1. 克隆项目到本地
2. 在项目根目录执行：

docker-compose up -d

3. 服务将在 http://localhost:8000 启动

方式2：本地开发

1. 安装Python依赖：

cd app
pip install -r requirements.txt

2. 启动服务：

cd app
uvicorn main:app --reload --host 0.0.0.0 --port 8000

API接口

上传图片并获取标签

POST /api/upload
Content-Type: multipart/form-data

file: [图片文件]

响应：

{
    "status": "success",
    "filename": "unique-filename.jpg",
    "tags": ["人物", "室外", "明亮"],
    "image_url": "/images/unique-filename.jpg"
}

获取图片标签

GET /api/images/{filename}/tags

响应：

{
    "filename": "example.jpg",
    "tags": ["风景", "天空", "蓝色调"]
}

获取图片列表

GET /api/images/list

响应：

{
    "images": [
        {
            "filename": "example1.jpg",
            "url": "/images/example1.jpg"
        },
        {
            "filename": "example2.png",
            "url": "/images/example2.png"
        }
    ]
}

测试页面

项目根目录包含一个 test.html 文件，可以直接在浏览器中打开进行功能测试：

# 用浏览器打开测试页面
open test.html

配置说明

环境变量

• PYTHONPATH: Python模块搜索路径
• PYTHONUNBUFFERED: 禁用Python输出缓冲

支持的图片格式

• PNG
• JPEG/JPG
• GIF
• BMP
• WebP

扩展功能

集成更强大的AI模型

可以在 model.py 中集成其他模型，我这里列出了一些可能有用的：

1. 预训练的图像分类模型：

   • ResNet
   • EfficientNet
   • Vision Transformer (ViT)

2. 多模态模型：

   • CLIP
   • BLIP

3. 专用标签模型：

   • 场景识别模型
   • 物体检测模型

开发说明

目录结构

• app/main.py: FastAPI应用主文件，包含API路由定义
• app/model.py: AI模型相关代码，包含标签生成逻辑
• images/: 图片存储目录
• Dockerfile: Docker镜像构建文件
• docker-compose.yml: Docker编排文件

开发模式

启动开发服务器：

cd app
uvicorn main:app --reload

部署

生产环境部署

1. 构建Docker镜像：

docker build -t image-tagger .

2. 运行容器：

docker run -d -p 8000:8000 -v ./images:/app/images image-tagger

许可证

MIT License