flicker-detector-gpu 0.1.1__tar.gz

flicker_detector_gpu-0.1.1/PKG-INFO

@@ -0,0 +1,165 @@
+Metadata-Version: 2.4
+Name: flicker-detector-gpu
+Version: 0.1.1
+Summary: GPU flicker detection via PredNet SavedModel (dvdface/next-frame-predict): CLI, web server, HTTP client.
+Requires-Python: >=3.10
+Description-Content-Type: text/markdown
+Requires-Dist: tensorflow<3,>=2.14
+Requires-Dist: numpy>=1.23
+Requires-Dist: pillow>=9.0
+Requires-Dist: huggingface_hub>=0.20
+Requires-Dist: opencv-python-headless>=4.8
+Requires-Dist: fastapi>=0.110
+Requires-Dist: uvicorn[standard]>=0.27
+Requires-Dist: python-multipart>=0.0.9
+Requires-Dist: pydantic>=2.6
+Requires-Dist: httpx>=0.27
+Provides-Extra: dev
+Requires-Dist: ruff>=0.4; extra == "dev"
+
+# flicker-detector-gpu
+
+安装后提供三个命令行入口（Windows 下为 `Scripts` 目录中的 **`gpu-flicker-detector.exe`**、**`gpu-flicker-detector-server.exe`**、**`gpu-flicker-detector-client.exe`**）：本地检测、启动带 Web 界面的服务、以及作为客户端调用已运行的服务。
+
+```bash
+pip install flicker-detector-gpu
+```
+
+---
+
+## `gpu-flicker-detector`（本地检测）
+
+在本地直接跑 PredNet 推理，将结果写入 **JSON 文件**。
+
+### 常用参数
+
+| 参数 | 说明 |
+|------|------|
+| `--type` | **必填**。`dir`：单层目录内图片（自然排序）；`video`：单个视频；`sequence`：多张图片，每个文件一次 `--input` |
+| `--input` | **必填**，可重复。`dir`/`video` 各 1 个路径；`sequence` 至少 **4** 个图片路径（GPU 版 PredNet 滑动窗为 4 帧） |
+| `--output` | **必填**。输出 JSON 路径（父目录不存在时会创建） |
+| `--fps` | 仅视频：覆盖 FPS，`0` 表示从容器读取 |
+| `--frame-interval-ms` | `dir` / `sequence`：大于 0 时，用 `帧索引 × 毫秒` 作为时间戳 |
+| `--model-dir` | SavedModel 目录；省略时使用环境变量或自动下载（需网络时可配置 Hub 令牌等） |
+| `--threshold` | 异常阈值，默认 `0.025`（与训练时多层预测误差加权损失同量纲，需按模型自行标定） |
+| `--layer-loss-weights` | 逗号分隔浮点，须与模型层数一致；默认 `1,0.1,0.1,0.1` |
+| `--write-pred-frames DIR` | 若指定，将每帧 PredNet 预测 RGB 存为 `DIR` 下 `pred_00000.png` 等 |
+
+**支持的视频扩展名示例**：`.mp4`、`.webm`、`.mov`、`.mkv`、`.avi`、`.m4v`。
+
+**最少帧数**：任意模式均需至少 **4** 帧，否则进程以非零退出并在 stderr 说明原因。
+
+### 退出码
+
+- **`0`**：成功写出 `--output`
+- **`2`**：输入/模型/参数等错误（详情在 stderr）
+
+### 输出 JSON（`--output`）
+
+顶层字段：
+
+| 字段 | 含义 |
+|------|------|
+| `version` | 结果格式版本号（整数） |
+| `input_type` | `dir` \| `video` \| `sequence` |
+| `findings` | 异常区段列表（见下） |
+| `frame_scores` | 逐帧分数与阈值信息（见下） |
+| `pred_frames` | 仅当使用 `--write-pred-frames` 时出现：预测图相对路径与帧索引、时间 |
+
+**`findings[]` 每项**（合并后的连续异常段）：
+
+- `flash_type`：固定为 PredNet 异常类型标识  
+- `scene`：场景标签（当前为 `STABLE`）  
+- `start_time_ms` / `end_time_ms`：区段起止时间（毫秒）  
+- `during_time_ms`：持续时间  
+- `video_start_time_ms` / `video_end_time_ms`：相对序列起点的时间  
+- `start_frame` / `end_frame`：帧索引  
+- `path_start` / `path_end`：起止帧对应的路径或标签  
+- `score_peak`：该段内峰值分数  
+- `metric`：分数名称（`prednet_total`，与训练 `val_loss` 量纲一致）
+
+**`frame_scores`**：
+
+- `values`：每帧一个浮点分数（与 `metric` 一致）  
+- `metric`：`prednet_total`  
+- `threshold`：使用的阈值  
+- `max_value`：全序列最大分数（若无有效值则为 `null`）
+
+---
+
+## `gpu-flicker-detector-server`（HTTP 服务 + 界面）
+
+启动 **FastAPI** 服务；若本机已安装 **Docker Compose v2** 且能找到项目内 compose 文件，**默认优先**用 Docker 拉起 GPU 镜像，否则在本机用 **Uvicorn** 直接跑 API。
+
+### 参数
+
+| 参数 | 说明 |
+|------|------|
+| `--host` | 监听地址；默认来自 `FLICKER_DETECTOR_BIND` / `FLASH_DETECTOR_BIND`，再否则 `127.0.0.1` |
+| `--port` | 端口；默认来自 `FLICKER_DETECTOR_PORT` / `FLASH_DETECTOR_PORT`，再否则 **8765** |
+| `--docker-build` | 仅在 Docker 模式下：启动前执行 `docker compose up --build` |
+
+### 常用环境变量
+
+| 变量 | 作用 |
+|------|------|
+| `FLICKER_DETECTOR_USE_DOCKER` | 设为 `0` / `false` / `no` / `off` 时强制本机 Uvicorn，不尝试 Docker |
+| `FLICKER_DETECTOR_COMPOSE_DIR` | 含 `docker-compose.yml` 的目录（否则自动在包内 `deploy`、仓库根、`cwd` 等查找） |
+| `FLICKER_DETECTOR_WEB_DATA` / `FLASH_DETECTOR_WEB_DATA` | 数据根目录（上传、SQLite 等）；默认当前工作目录下 `flicker_detector_web_data` |
+| `FLICKER_DETECTOR_ARGV_JSON` | JSON 字符串数组，自定义检测子进程 argv（最高优先级） |
+| `FLICKER_DETECTOR_EXE` | 指定检测可执行文件路径（不设则默认 `python -m flicker_detector_gpu.cli`） |
+| `FLICKER_DETECTOR_RELOAD` | 设为 `1` 时仅在本机 Uvicorn 下开启代码热重载 |
+
+启动成功后，在浏览器打开 **`http://<host>:<port>/`**（本机默认 `http://127.0.0.1:8765/`）。若已构建并打包前端静态资源，根路径会提供 SPA。
+
+### Web 界面说明
+
+顶部导航为 **「闪屏检测」** 品牌与两个入口：
+
+| 路由 | 说明 |
+|------|------|
+| **`/` 工作台** | 创建检测任务：上传视频或图片（文件夹/多图），查看任务列表与状态 |
+| **`/reports` 检测记录** | 历史任务与统计趋势等报表视图 |
+| **`/job/:jobId`** | 单个任务的详情页（从列表或链接进入） |
+
+界面通过同源的 **`/api/*`** 与后端通信；CLI 客户端则使用下文 **`gpu-flicker-detector-client`** 访问同一套 API。
+
+---
+
+## `gpu-flicker-detector-client`（调用远程服务）
+
+向已运行的 `gpu-flicker-detector-server` **创建任务、轮询状态**，结束时将 **完整任务 JSON** 打印到标准输出或写入文件。
+
+### 参数
+
+| 参数 | 说明 |
+|------|------|
+| `--url` | 服务根地址，默认 `http://127.0.0.1:8765` |
+| `--mode` | **必填**。`video`：1 个视频路径；`sequence`：至少 **4** 个图片路径；`folder`：1 个目录（递归收集图片，至少 4 张） |
+| `--poll` | 轮询间隔（秒），默认 `0.5` |
+| `--timeout` | 等待任务结束的最长时间（秒），默认 `7200` |
+| `--http-timeout` | 单次 HTTP 超时（秒），默认 `60` |
+| `--upload-timeout` | `POST /api/jobs` 超时（秒），默认 `3600` |
+| `-o` / `--output` | 将最终 JSON 写入文件 |
+| `-q` / `--quiet` | 减少控制台输出 |
+| `--skip-health` | 跳过启动时的 `GET /api/health` |
+| **位置参数 `paths`** | 由 `--mode` 决定数量与含义（见上） |
+
+### 输出
+
+- 默认（非 `-q`）：先打印 **`/api/health`** 的 JSON（除非 `--skip-health`），再打印 `job_id` 与轮询过程中的 `[status] stage` 行。  
+- 任务结束后：打印 **完整任务对象 JSON**（与 `-o` 写入文件内容相同），字段含 `status`（如 `done` / `failed`）、`stage`、结果与错误信息等（与 Web 详情一致）。
+
+### 退出码
+
+| 码 | 含义 |
+|----|------|
+| `0` | 任务成功完成（`status == done`） |
+| `1` | 任务结束但失败 |
+| `2` | HTTP 错误或响应异常 |
+| `3` | 命令行路径 / 模式校验失败 |
+| `4` | 等待结果超时 |
+
+---
+
+更完整的部署、Docker、开发与模型说明见仓库根目录 **`README.md`**。

flicker_detector_gpu-0.1.1/README.md

@@ -0,0 +1,242 @@
+# flicker-detector-gpu
+
+基于 TensorFlow **SavedModel**（下一帧预测）的 GPU 闪烁 / 异常检测：本地 CLI、带 Web 界面的 HTTP 服务、以及与服务端交互的 Python 客户端。
+
+## 环境要求
+
+- Python **3.10+**（跑 CLI、本机 HTTP 服务或客户端时）
+- 依赖见仓库根目录 [`pyproject.toml`](pyproject.toml)（含 TensorFlow 2.14+、OpenCV、FastAPI 等）
+- **本机 Uvicorn 模式**：是否用到 NVIDIA GPU 取决于当前 Python 环境里的 TensorFlow 与 CUDA
+- **Docker 模式**（推荐用于服务端 GPU）：主机需安装 [NVIDIA Container Toolkit](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html)；Windows 上通常使用 Docker Desktop 的 **WSL2** 后端
+
+## 安装与命令一览
+
+在仓库根目录执行可编辑安装后，会注册三个控制台命令：
+
+```bash
+pip install -e .
+```
+
+| 命令 | 作用 |
+|------|------|
+| `gpu-flicker-detector` | 本地直接跑检测，输出 JSON 文件 |
+| `gpu-flicker-detector-server` | 启动 Web API + 可选前端静态资源 |
+| `gpu-flicker-detector-client` | 向已启动的服务提交任务并轮询结果 |
+
+安装后（Windows 为 `Scripts` 下的 `.exe`）三个命令各司其职：检测、起服务、连服务，无需记子命令，也与 CPU 版 `flicker-detector*.exe` 并存时不重名。
+
+开发依赖（可选）：`pip install -e ".[dev]"`。
+
+单元测试在各包的 `src/<包名>/tests/` 下；在仓库根执行（需将 `src` 加入模块搜索路径）：
+
+```bash
+PYTHONPATH=src python -m unittest discover -s src -p "test_*.py"
+```
+
+PowerShell：`$env:PYTHONPATH="src"; python -m unittest discover -s src -p "test_*.py"`。
+
+等价的模块方式（未安装包、但 `src` 在 `PYTHONPATH` 上时也可用）：
+
+- `python -m flicker_detector_gpu.cli`（同 `gpu-flicker-detector`）
+- `python -m flash_detector_web`（同 `gpu-flicker-detector-server`）
+
+---
+
+## `gpu-flicker-detector`（本地 CLI）
+
+与 CPU 版 **`--type` 命名**一致：**`dir` \| `video` \| `sequence`**。多图请使用 **`sequence`** 并多次传入 **`--input`**（与 CPU 相同），不再支持单独的「路径列表文本文件」模式。
+
+**与 CPU 的差异（实现限制）**：本 GPU 版使用 PredNet **4 帧滑动窗**，因此 **`sequence` 至少需要 4 张图**、目录任务也至少需要 **4** 张可识别图片；CPU 版 `sequence` 最少为 **2** 张。视频扩展名需为：`.mp4`、`.webm`、`.mov`、`.mkv`、`.avi`、`.m4v`（与 CPU 客户端一致）。
+
+### 与 CPU 对齐的常用参数
+
+- `--type`：`dir`（**单层**目录内图片，按自然序排序）、`video`（单个视频文件）、`sequence`（多张图片，每个文件一次 `--input`，**至少四个**）
+- `--input`：`dir` / `video` 各一个路径；`sequence` 为多个路径（顺序即时间序，与 CPU 一致）
+- `--output`：输出 JSON 路径（父目录不存在时会创建）
+- `--fps`：视频：覆盖容器 FPS（`0` 表示从文件读取）
+- `--frame-interval-ms`：`dir` / `sequence`：大于 0 时，用 `索引 × 毫秒` 作为时间戳
+
+### GPU 专有参数（CPU 版无对应项）
+
+- `--model-dir`：SavedModel 目录；省略时见下文「模型路径」
+- `--threshold`：异常阈值，默认 `0.025`（量纲为训练时 **多层预测误差加权损失**；请按验证集自行标定）
+- `--layer-loss-weights`：逗号分隔浮点，须与模型层数一致；默认 `1,0.1,0.1,0.1`
+- `--write-pred-frames`：将每帧预测图写入指定目录
+
+得分为各层误差的加权总和（与训练时验证损失 **`val_loss`** 同量纲）；SavedModel 必须导出 **`layer_errors`**。
+
+### 示例
+
+目录内图片（仅该目录**直接**下的文件，常见图片扩展名，自然排序）：
+
+```bash
+gpu-flicker-detector --type dir --input ./frames/ --output ./out.json
+```
+
+单个视频：
+
+```bash
+gpu-flicker-detector --type video --input ./clip.mp4 --output ./out.json
+```
+
+多张图片（至少四张，`--input` 顺序即帧序）：
+
+```bash
+gpu-flicker-detector --type sequence --input ./a.png --input ./b.png --input ./c.png --input ./d.png --output ./out.json
+```
+
+指定本地 SavedModel：
+
+```bash
+gpu-flicker-detector --type video --input ./clip.mp4 --output ./out.json --model-dir D:/models/my_savedmodel
+```
+
+至少需要 **4 帧** 才会开始推理；不满足时进程会以非零退出码结束并在 stderr 打印原因。
+
+### 模型路径（未传 `--model-dir` 时）
+
+按顺序尝试：
+
+1. 环境变量 **`FLICKER_GPU_MODEL_DIR`** 或 **`NEXT_FRAME_PREDICT_MODEL_DIR`**（须为已存在的目录）
+2. 否则由程序将默认 SavedModel 下载到本地缓存（需可访问外网；若默认源需要认证，请按项目依赖中模型下载库的说明配置令牌与环境变量）
+
+---
+
+## `gpu-flicker-detector-server`（HTTP 服务）
+
+在仓库内执行时，**默认优先用 Docker Compose** 拉起带 GPU 的镜像（Compose 与 [`Dockerfile`](src/flash_detector_web/deploy/Dockerfile) 位于 [`src/flash_detector_web/deploy/`](src/flash_detector_web/deploy/)）。若未安装 `docker compose`、找不到 compose 文件，或显式关闭 Docker，则退回到**本机 Uvicorn** 跑 FastAPI。
+
+监听地址默认 **`127.0.0.1:8765`**（Docker 模式下会映射到宿主机的 `--host` / `--port`）。
+
+### 命令行参数
+
+```bash
+# 默认：在可用时执行 docker compose up（前台附加日志）
+gpu-flicker-detector-server
+
+# 绑定与端口（Docker 模式下写入 FLICKER_DETECTOR_PORT_PUBLISH，如 8765 或 127.0.0.1:8765）
+gpu-flicker-detector-server --host 0.0.0.0 --port 8765
+
+# Docker 模式下构建镜像后再启动
+gpu-flicker-detector-server --docker-build
+```
+
+- `--host`：省略时使用 **`FLICKER_DETECTOR_BIND`** 或 **`FLASH_DETECTOR_BIND`**，再否则 `127.0.0.1`（仅本机 Uvicorn；Docker 时用于端口发布侧的主机地址）
+- `--port`：省略时使用 **`FLICKER_DETECTOR_PORT`** 或 **`FLASH_DETECTOR_PORT`**，再否则 `8765`
+- `--docker-build`：仅在 **Docker 模式**下生效，等价于 `docker compose up --build`
+
+### Docker 与本机 Uvicorn 切换
+
+| 变量 | 说明 |
+|------|------|
+| `FLICKER_DETECTOR_USE_DOCKER` | 设为 `0` / `false` / `no` / `off` 时**强制本机 Uvicorn**，不尝试 Docker |
+| `FLICKER_DETECTOR_COMPOSE_DIR` | 显式指定包含 `docker-compose.yml` 的目录（否则优先 `flash_detector_web/deploy`，再尝试仓库根、`cwd` 等） |
+
+也可不经过 CLI，在仓库根执行：
+
+```bash
+docker compose -f src/flash_detector_web/deploy/docker-compose.yml up --build
+```
+
+或在 `src/flash_detector_web/deploy` 下执行 `docker compose up --build`。
+
+Compose 里容器内固定监听 `8765`；宿主机端口由环境变量 **`FLICKER_DETECTOR_PORT_PUBLISH`** 控制（默认 `8765`，或 `127.0.0.1:8765` 仅本机回环）。由 `gpu-flicker-detector-server` 启动时会根据 `--host` / `--port` 自动设置该变量。
+
+**注意**：`FLICKER_DETECTOR_RELOAD` / `FLASH_DETECTOR_RELOAD` 仅在本机 Uvicorn 模式下生效；Docker 模式下会被忽略。
+
+### 与检测后端相关的环境变量
+
+服务会通过子进程或指定可执行文件调用「与 `gpu-flicker-detector` 相同参数风格」的检测命令，解析逻辑在 `flash_detector_web.config`：
+
+| 变量 | 含义 |
+|------|------|
+| `FLICKER_DETECTOR_ARGV_JSON` | JSON 字符串数组，整条 argv 前缀（优先级最高） |
+| `FLICKER_DETECTOR_EXE` / `IMAGE_FLASH_DETECTOR_EXE` | 检测可执行文件路径 |
+| （均未设置） | 默认 `python -m flicker_detector_gpu.cli`（即用当前环境的 Python 跑 CLI） |
+
+### 数据目录与其它常用变量
+
+| 变量 | 默认 / 说明 |
+|------|----------------|
+| `FLICKER_DETECTOR_WEB_DATA` / `FLASH_DETECTOR_WEB_DATA` | 数据根目录；默认当前工作目录下 `flicker_detector_web_data` |
+| `FLICKER_DETECTOR_MAX_UPLOAD_MB` / `FLASH_DETECTOR_MAX_UPLOAD_MB` | 上传大小上限（MB），默认 2048 |
+| `FLICKER_DETECTOR_MAX_CONCURRENT_JOBS` / `FLASH_DETECTOR_MAX_CONCURRENT_JOBS` | 并发任务数，默认 1 |
+| `FLICKER_DETECTOR_JOB_TIMEOUT_SEC` / `FLASH_DETECTOR_JOB_TIMEOUT_SEC` | 单任务超时（秒），默认 7200 |
+| `FLICKER_DETECTOR_THRESHOLD` / `FLASH_DETECTOR_JOB_THRESHOLD` | Web 任务的 `--threshold`（不设则用 CLI 默认 `0.025`） |
+| `FLICKER_DETECTOR_LAYER_LOSS_WEIGHTS` / `FLASH_DETECTOR_LAYER_LOSS_WEIGHTS` | 逗号分隔层权重，如 `1,0.1,0.1,0.1` |
+| `FLICKER_DETECTOR_TRUST_PROXY` / `FLASH_DETECTOR_TRUST_PROXY` | 反向代理信任（`1`/`true`/`yes`） |
+| `FLICKER_DETECTOR_RELOAD` / `FLASH_DETECTOR_RELOAD` | 设为 `1` 时 **仅本机 Uvicorn** 开启 reload（开发用） |
+
+静态站点：若已构建前端，仓库内 `src/flicker_detector_webui/dist/index.html` 存在时（或安装包中的 `flicker_detector_webui` 资源），**本机 Uvicorn** 会挂载该 SPA；官方 Docker 镜像在构建阶段已打入同一 `dist`，无需在容器外再执行 `npm run build`。
+
+### `POST /api/jobs`（与 CPU 版服务对齐）
+
+- **`input_kind`**：`video` | `dir_files` | `dir_folder` | `images`（`images` 与 `dir_files` 同义，与 CPU 版 `flicker-detector-server` 一致）。
+- **`files`**：`video` 仅允许一个文件且扩展名须为 `.mp4` / `.webm` / `.mov` / `.mkv` / `.avi` / `.m4v`；图片类任务中**每个**文件均须为受支持的图片扩展名，混入其它类型会整单 400。图片任务至少 **4** 帧（GPU PredNet；CPU 服务为至少 2 帧）。
+- **`threshold`**（可选）：GPU 版扩展表单字段；CPU 版服务无此项，按 CPU 契约集成的客户端省略即可。
+
+---
+
+## `gpu-flicker-detector-client`（调用服务端）
+
+向运行中的 `gpu-flicker-detector-server` 创建任务、轮询状态，并在结束时打印或写入完整任务 JSON。
+
+### 常用参数
+
+- `--url`：服务根地址，默认 `http://127.0.0.1:8765`
+- `--mode`：**`video`** | **`sequence`** | **`folder`**（非法拼写会被 argparse 拒绝；与 CPU C++ 客户端一致）
+- `--poll`：轮询间隔（秒），默认 `0.5`
+- `--timeout`：等待任务结束的最长时间（秒），默认 `7200`
+- `--http-timeout`：单次 HTTP 超时（秒），默认 `60`
+- `--upload-timeout`：`POST /api/jobs` 超时（秒），默认 `3600`
+- `-o` / `--output`：将最终 JSON 写入文件
+- `-q` / `--quiet`：减少输出
+- `--skip-health`：跳过启动时的 `GET /api/health`
+
+### 模式与路径要求
+
+- **`video`**：恰好 **1** 个视频路径（扩展名需为客户端识别的视频类型，如 `.mp4` 等）
+- **`sequence`**：至少 **4** 个图片路径（按顺序作为帧序列；CPU 客户端为至少 **2** 张，GPU 服务端与 PredNet 要求 **4** 张）
+- **`folder`**：恰好 **1** 个目录，递归收集其下图片，至少 **4** 张
+
+### 示例
+
+上传视频并等待结果：
+
+```bash
+gpu-flicker-detector-client --mode video -o result.json ./clip.mp4
+```
+
+指定远程服务：
+
+```bash
+gpu-flicker-detector-client --url http://192.168.1.10:8765 --mode folder -o out.json ./frames_dir
+```
+
+### 退出码（便于脚本）
+
+- **`0`**：任务成功完成
+- **`1`**：任务结束但状态为失败
+- **`2`**：HTTP 错误或响应异常
+- **`3`**：命令行路径 / 模式校验失败
+- **`4`**：等待结果超时
+
+---
+
+## Web 前端（可选）
+
+前端源码在 [`src/flicker_detector_webui/`](src/flicker_detector_webui/)（与 Python 包 `flash_detector_web` 并列，各自占一个 `src/` 子目录）。本地改 UI 时：
+
+```bash
+cd src/flicker_detector_webui
+npm install
+npm run build
+```
+
+生成的 `dist/` 由 `flicker_detector_webui` 的 `package-data` 打入 wheel；在项目根执行 **`FLICKER_DETECTOR_USE_DOCKER=0`** 下的 `gpu-flicker-detector-server` 即可用浏览器打开服务根地址。开发中也可在该目录运行 `npm run dev`（Vite 默认把 `/api` 代理到 `http://127.0.0.1:8765`，需另起后端）。
+
+---
+
+## 许可证与模型
+
+你所使用的 SavedModel 权重与授权以该模型的发布方或许可条款为准；本仓库仅提供推理与工具代码。

flicker_detector_gpu-0.1.1/pyproject.toml

@@ -0,0 +1,39 @@
+[build-system]
+requires = ["setuptools>=69", "wheel"]
+build-backend = "setuptools.build_meta"
+
+[project]
+name = "flicker-detector-gpu"
+version = "0.1.1"
+description = "GPU flicker detection via PredNet SavedModel (dvdface/next-frame-predict): CLI, web server, HTTP client."
+readme = { file = "src/pypi/README.md", content-type = "text/markdown" }
+requires-python = ">=3.10"
+dependencies = [
+  "tensorflow>=2.14,<3",
+  "numpy>=1.23",
+  "pillow>=9.0",
+  "huggingface_hub>=0.20",
+  "opencv-python-headless>=4.8",
+  "fastapi>=0.110",
+  "uvicorn[standard]>=0.27",
+  "python-multipart>=0.0.9",
+  "pydantic>=2.6",
+  "httpx>=0.27",
+]
+
+[project.optional-dependencies]
+dev = ["ruff>=0.4"]
+
+[project.scripts]
+gpu-flicker-detector = "flicker_detector_gpu.cli:main"
+gpu-flicker-detector-server = "flicker_detector_gpu.server_main:main"
+gpu-flicker-detector-client = "flicker_detector_gpu.client_cli:main"
+
+[tool.setuptools.packages.find]
+where = ["src"]
+include = ["flicker_detector_gpu*", "flash_detector_web*", "flicker_detector_webui*"]
+exclude = ["flicker_detector_gpu.tests*", "flash_detector_web.tests*"]
+
+[tool.setuptools.package-data]
+flicker_detector_webui = ["dist/**"]
+flash_detector_web = ["deploy/Dockerfile", "deploy/docker-compose.yml"]

flicker_detector_gpu-0.1.1/setup.cfg

@@ -0,0 +1,4 @@
+[egg_info]
+tag_build = 
+tag_date = 0
+

flicker_detector_gpu-0.1.1/src/flash_detector_web/__init__.py

@@ -0,0 +1,5 @@
+"""HTTP server UI for flicker-detector (calls bundled/native detector exe)."""
+
+__all__ = ["__version__"]
+
+__version__ = "0.1.0"

flicker_detector_gpu-0.1.1/src/flash_detector_web/__main__.py

@@ -0,0 +1,6 @@
+import sys
+
+from .cli import main
+
+if __name__ == "__main__":
+    main(sys.argv[1:])