AWS_RecSys
这是一个基于CLIP的AWS时尚推荐器。
📌 UI组件示例
- 图片上传
- 提交按钮
- 展示服装标签+推荐
模型
用户上传服装图片→ YOLO检测衣物→ CLIP编码→ 推荐类似
文件夹结构
/project-root
│
├── /backend
│ ├── Dockerfile
│ ├── /app
│ ├── /aws
│ │ │ └── rekognition_wrapper.py # AWS Rekognition logic
│ │ ├── /utils
│ │ │ └── image_utils.py # Bounding box crop utils
│ │ ├── /controllers
│ │ │ └── clothing_detector.py # Coordinates Rekognition + cropping
│ │ ├── /tests
│ │ │ ├── test_rekognition_wrapper.py
│ │ │ └── test_clothing_tagging.py
│ │ ├── server.py # FastAPI app code
│ │ ├── /routes
│ │ │ └── clothing_routes.py
│ │ ├── /controllers
│ │ │ ├── clothing_controller.py
│ │ │ ├── clothing_tagging.py
│ │ │ └── tag_extractor.py # Pending: define core CLIP functionality
│ │ ├── schemas/
│ │ │ └── clothing_schemas.py
│ │ ├── config/
│ │ │ ├── tag_list_en.py $ Tool for mapping: https://jsoncrack.com/editor
│ │ │ ├── database.py
│ │ │ ├── settings.py
│ │ │ └── api_keys.py
│ │ └── requirements.txt
│ └── .env
│
├── /frontend
│ ├── Dockerfile
│ ├── package.json
│ ├── package-lock.json
│ ├── /public
│ │ └── index.html
│ ├── /src
│ │ ├── /components
│ │ │ ├── ImageUpload.jsx
│ │ │ ├── DetectedTags.jsx
│ │ │ └── Recommendations.jsx
│ │ ├── /utils
│ │ │ └── api.js
│ │ ├── App.js # Main React component
│ │ ├── index.js
│ │ ├── index.css
│ │ ├── tailwind.config.js
│ │ └── postcss.config.js
│ └── .env
├── docker-compose.yml
└── README.md 快速入门指南
第一步：克隆GitHub项目
步骤2：设置Python环境
python -m venv venv
source venv/bin/activate # On macOS or Linux
venv\Scripts\activate # On Windows步骤3：安装依赖项
pip install -r requirements.txt步骤4：启动FastAPI服务器（后端）
uvicorn backend.app.server:app --reload服务器运行并连接数据库后，您应该在控制台中看到以下消息：
Database connected
INFO: Application startup complete.步骤5：安装依赖项
数据库已连接 信息：应用程序启动完成。
npm install步骤6：启动开发服务器（前端）
npm start运行后，服务器会记录确认并在浏览器中打开应用程序： http://localhost:3000/
到目前为止完成了什么：
- FastAPI服务器已启动并运行（4月24日）
- 数据库连接已设置（4月24日）
- 后端架构功能正常（4月24日）
- 上传图片的基本前端UI（4月25日）
5.AWS Rekognition->边界框的模拟测试（5月15日）
PYTHONPATH=. pytest backend/app/tests/test_rekognition_wrapper.py- 使用模拟独立测试Rekognition集成逻辑→ 验证了它仅在标签与服装集匹配时正确提取边界框
- 已确认文件夹结构和PYTHONPATH=。从根开始与pytest顺利配合
6.AWS Rekognition->CLIP的模拟测试（5月20日）
PYTHONPATH=. pytest backend/app/tests/test_clothing_tagging.py- 使用AWS Rekognition检测服装
- 在检测到的边界框周围裁剪图像
- 使用CLIP标记裁剪后的图像
7.完整图像标记管道的模拟测试（图像字节→ AWS Rekognition（检测服装）→ 裁剪图像→ CLIP（预测标签）+错误处理（5月25日）
| 阴性测试用例 | 描述 |
|---|---|
| 无检测结果 | AWS未检测到任何服装——应返回空列表。 |
| Image Not Clothing | CLIP返回模糊或空的标签——验证回退行为。 |
| AWS返回异常 | 模拟 rekognition.detect_labels 抛出错误--检查 try-except. |
| 损坏的图像文件 | 模拟损坏的（非JPEG）图像——验证它是否引发错误或给出提示。 |
PYTHONPATH=. pytest backend/app/tests/test_clothing_tagging.py- detect_garments：模拟AWS Rekognition返回一个边界框：{“左”：0.1，“上”：0.1、“宽”：0.5、“高”：0.5}
- crop_by_bounding_box：模拟裁剪步骤，返回一个虚拟的“cropped_image”对象
- get_tags_from_clip：模拟clip返回标签列表：\[“T-shirt”、“Cotton”、“Casual”\]
8.运行CLIP输出测试（5月30日）
python3 -m venv venv
pip install -r requirements.txt
pip install git+https://github.com/openai/CLIP.git
python -m backend.app.tests.test_tag_extractor下一步：
- 评估CLIP在样本服装图像上的标记准确性
- 微调标记系统以获得更好的建议
- 测试后端与实时用户数据的集成
- 设置模型性能监控
- 前端演示