Condor

Integrantes:

-Juan Sebastian Urrea Lopez

-Haider Yesid Fonseca Najar

-Karol Daniela Arenas Solano

-Juan Andres Guevara Angel

-David Camilo Ocaña Orbes

Esta librería open source en Python está diseñada para identificar objetos de interés en videos y extraer entidades en noticias relacionadas con la afectación ambiental en la Amazonía colombiana. Además, identificar entidades en noticias que describan afectaciones medio ambientales a la Amazonía colombiana.

Instalación

Nuestro modelo usa el modelo SAM. Para instalarlo, ejecute:

pip install git+https://github.com/facebookresearch/segment-anything.git
pip install opencv-python pycocotools matplotlib onnxruntime onnx

Otras dependencias:

apt-get update && apt-get install ffmpeg libsm6 libxext6  -y
pip install av torch torchvision numpy easyocr matplotlib opencv-python pandas scikit-learn flair beautifulsoup4

Uso

Instalar con pip: pip install git+https://github.com/jsurrea/Condor.git

from Condor.Video.segmentation import detect_objects_in_video
from Condor.Text.NER import ner_from_str, ner_from_file, ner_from_url

Objetivo 1: Identificación de objetos en videos

Función detect_objects_in_video(video_path: str, output_path: str):

Detecta objetos en el video en la ruta video_path y guarda un csv de resultados en la ruta output_path y un directorio de imágenes segmentadas en el directorio de output_path. Ejemplo de uso: detect_objects_in_video("codefest-data/Videos/VideoCodefest_001-11min.mpg", "Video1.csv")

Objetivo 2: Identificación de entidades en noticias

Función load_data(path_to_filename: str) -> pd.DataFrame:

Esta funcion se encarga de cargar un archivo de Excel como un DataFrame de pandas y eliminar las muestras que contengan textos vacíos.

Funcion ner_from_str(text: str, output_path: str) -> None:

Recibe como entrada un texto de una noticia y la ruta de salida de un archivo, realiza el proceso de reconocimiento de entidades y la clasificación del impacto del texto. Luego agrupa la información en un diccionario y exporta los resultados en un archivo JSON.

Input: text (str): El texto de la noticia que se desea analizar. output_path (str): La ruta del archivo donde se exportarán los resultados.

Output: Esta función no devuelve ningún valor explícito, pero exporta los resultados en un archivo JSON en la ubicación especificada por output_path.

Resultados: "text": El texto original de la noticia. "org": Una lista de entidades organizacionales mencionadas en el texto. "loc": Una lista de ubicaciones mencionadas en el texto. "per": Una lista de personas mencionadas en el texto. "dates": Una lista de fechas mencionadas en el texto. "misc": Una lista de otras entidades relevantes mencionadas en el texto. "impact": Una cadena que indica el tipo de impacto medioambiental detectado en el texto.

Funcion ner_from_file(text_path: str, output_path: str) -> None:

recibe como entrada la ruta hacia un archivo de texto y la ruta de salida de un archivo, realiza el proceso de reconocimiento de entidades y la clasificación del impacto del texto contenido en el archivo. Luego, agrupa la información en un diccionario y exporta los resultados en un archivo JSON.

Input: text_path (str): La ruta del archivo de texto que se desea analizar. output_path (str): La ruta del archivo donde se exportarán los resultados.

Output: Esta función no devuelve ningún valor explícito, pero exporta los resultados en un archivo JSON en la ubicación especificada por output_path.

Resultados: "text": El texto original de la noticia. "org": Una lista de entidades organizacionales mencionadas en el texto. "loc": Una lista de ubicaciones mencionadas en el texto. "per": Una lista de personas mencionadas en el texto. "dates": Una lista de fechas mencionadas en el texto. "misc": Una lista de otras entidades relevantes mencionadas en el texto. "impact": Una cadena que indica el tipo de impacto medioambiental detectado en el texto.

Funcion `ner_from_url(url: str, output_path: str) -> None:

Recibe como entrada una URL que apunta hacia una noticia y la ruta de salida de un archivo, realiza el proceso de reconocimiento de entidades y la clasificación del impacto del texto contenido en la noticia. Luego, agrupa la información en un diccionario y exporta los resultados en un archivo JSON.

Input: url (str): La URL de la noticia que se desea analizar. output_path (str): La ruta del archivo donde se exportarán los resultados.

Output: Esta función no devuelve ningún valor explícito, pero exporta los resultados en un archivo JSON en la ubicación especificada por output_path.

Resultados: "text": El texto original de la noticia. "org": Una lista de entidades organizacionales mencionadas en el texto. "loc": Una lista de ubicaciones mencionadas en el texto. "per": Una lista de personas mencionadas en el texto. "dates": Una lista de fechas mencionadas en el texto. "misc": Una lista de otras entidades relevantes mencionadas en el texto. "impact": Una cadena que indica el tipo de impacto medioambiental detectado en el texto.