ytcollector 1.2.0__tar.gz → 1.2.4__tar.gz

ytcollector-1.2.4/MANIFEST.in

@@ -0,0 +1,2 @@
+include ytcollector/models/*.pt
+recursive-include ytcollector *.pt

{ytcollector-1.2.0 → ytcollector-1.2.4}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: ytcollector
-Version: 1.2.0
+Version: 1.2.4
 Summary: YouTube 콘텐츠 수집기 - 얼굴, 번호판, 타투, 텍스트 감지
 Author: YTCollector Team
 License: MIT

{ytcollector-1.2.0 → ytcollector-1.2.4}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "ytcollector"
-version = "1.2.0"
+version = "1.2.4"
 description = "YouTube 콘텐츠 수집기 - 얼굴, 번호판, 타투, 텍스트 감지"
 readme = "README.md"
 requires-python = ">=3.8"
@@ -59,6 +59,9 @@ Repository = "https://github.com/yourusername/ytcollector"
 where = ["."]
 include = ["ytcollector*"]
 
+[tool.setuptools.package-data]
+ytcollector = ["models/*.pt"]
+
 [tool.black]
 line-length = 100
 target-version = ['py38']

{ytcollector-1.2.0 → ytcollector-1.2.4}/ytcollector/__init__.py

@@ -17,12 +17,12 @@ CLI 사용 예시:
     ytc -c face text --fast
 """
 
-from .config import CATEGORY_NAMES, CATEGORY_QUERIES, USER_AGENTS, LICENSE_PLATE_PATTERNS
+from .config import CATEGORY_NAMES, CATEGORY_QUERIES, USER_AGENTS, LICENSE_PLATE_PATTERNS, LICENSE_PLATE_MODEL_PATH
 from .analyzer import VideoAnalyzer, check_dependencies
 from .downloader import YouTubeDownloader
 from .cli import run, main as cli_main
 
-__version__ = "1.1.8"
+__version__ = "1.2.4"
 __all__ = [
     # 주요 클래스
     "VideoAnalyzer",
@@ -32,6 +32,7 @@ __all__ = [
     "CATEGORY_QUERIES",
     "USER_AGENTS",
     "LICENSE_PLATE_PATTERNS",
+    "LICENSE_PLATE_MODEL_PATH",
     # 유틸리티
     "check_dependencies",
     "run",

{ytcollector-1.2.0 → ytcollector-1.2.4}/ytcollector/analyzer.py

@@ -32,7 +32,7 @@ try:
 except ImportError:
     USE_GPU = False
 
-from .config import LICENSE_PLATE_PATTERNS, YOLO_MODEL_NAME, YOLO_CONFIDENCE
+from .config import LICENSE_PLATE_PATTERNS, LICENSE_PLATE_MODEL_PATH, YOLO_CONFIDENCE, YOLO_HIGH_CONFIDENCE
 
 
 class VideoAnalyzer:
@@ -65,7 +65,7 @@ class VideoAnalyzer:
                 if self.yolo_model is None:
                     device = "cuda" if USE_GPU else "cpu"
                     print(f"  YOLO 모델 로딩 중... (Device: {device})")
-                    self.yolo_model = YOLO(YOLO_MODEL_NAME)
+                    self.yolo_model = YOLO(str(LICENSE_PLATE_MODEL_PATH))
                     self.yolo_model.to(device)
 
     def extract_frames(self, video_path, num_frames=10):
@@ -167,9 +167,9 @@ class VideoAnalyzer:
 
     def detect_license_plate(self, frame, texts=None):
         """
-        ROI 기반 번호판 감지 (최적화 버전)
+        ROI 기반 번호판 감지
         1. YOLO로 번호판 영역(ROI)을 먼저 찾음
-        2. 찾은 영역만 잘라서 OCR 수행 (속도 및 정확도 향상)
+        2. 고신뢰도(>=0.6)면 바로 인정, 저신뢰도면 OCR 패턴 매칭 필요
         """
         if not YOLO_AVAILABLE or frame is None:
             return False
@@ -177,59 +177,46 @@ class VideoAnalyzer:
         try:
             self._init_yolo()
             results = self.yolo_model(frame, verbose=False, conf=YOLO_CONFIDENCE)
-            
-            yolo_detected = False
-            roi_ocr_matched = False
 
             for r in results:
-                # 0: license plate
                 for box in r.boxes:
                     if box.cls == 0:
-                        yolo_detected = True
+                        conf = float(box.conf[0])
 
-                        # ROI 크기 필터링 (너무 작거나 큰 영역 제외)
+                        # ROI 크기 필터링
                         x1, y1, x2, y2 = map(int, box.xyxy[0])
                         roi_w, roi_h = x2 - x1, y2 - y1
                         frame_h, frame_w = frame.shape[:2]
                         roi_area_ratio = (roi_w * roi_h) / (frame_w * frame_h)
 
-                        # ROI가 전체 화면의 0.1% ~ 20% 사이여야 함
                         if roi_area_ratio < 0.001 or roi_area_ratio > 0.2:
                             continue
 
-                        # ROI 크로핑 및 타겟 OCR
+                        # 고신뢰도면 바로 인정
+                        if conf >= YOLO_HIGH_CONFIDENCE:
+                            return True
+
+                        # 저신뢰도면 OCR 패턴 매칭 필요
                         h, w = frame.shape[:2]
-                        # 패딩 10% 추가
-                        pad_w = int((x2 - x1) * 0.1)
-                        pad_h = int((y2 - y1) * 0.1)
-                        
+                        pad_w = int((x2 - x1) * 0.15)
+                        pad_h = int((y2 - y1) * 0.15)
+
                         crop_x1 = max(0, x1 - pad_w)
                         crop_y1 = max(0, y1 - pad_h)
                         crop_x2 = min(w, x2 + pad_w)
                         crop_y2 = min(h, y2 + pad_h)
-                        
+
                         roi = frame[crop_y1:crop_y2, crop_x1:crop_x2]
                         if roi.size > 0:
-                            # ROI에 대해서만 OCR 실행
                             roi_texts = self.detect_text(roi)
                             if roi_texts:
-                                combined_roi = "".join([re.sub(r'[^0-9가-힣]', '', t) for t in roi_texts])
+                                combined = "".join([re.sub(r'[^0-9가-힣A-Za-z]', '', t) for t in roi_texts])
                                 for pattern in LICENSE_PLATE_PATTERNS:
-                                    # 개별 텍스트 및 결합 텍스트 확인
                                     if any(re.search(pattern, re.sub(r'[^0-9가-힣]', '', t)) for t in roi_texts) or \
-                                       re.search(pattern, combined_roi):
-                                        roi_ocr_matched = True
-                                        break
-                        
-                        if roi_ocr_matched: break
-                if roi_ocr_matched: break
-
-            # 최종 판정: YOLO 감지 + OCR 패턴 매칭 둘 다 만족해야 함 (오탐지 방지)
-            if yolo_detected and roi_ocr_matched:
-                return True
-                
+                                       re.search(pattern, combined):
+                                        return True
+
         except Exception as e:
-            # print(f"  ⚠ 번호판 ROI 분석 에러: {e}")
             pass
 
         return False

{ytcollector-1.2.0 → ytcollector-1.2.4}/ytcollector/config.py

@@ -1,4 +1,9 @@
 # 설정 상수
+from pathlib import Path
+
+# 모델 경로 (패키지 내부)
+MODEL_DIR = Path(__file__).parent / "models"
+LICENSE_PLATE_MODEL_PATH = MODEL_DIR / "license_plate_detector.pt"
 
 USER_AGENTS = [
     'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36',
@@ -57,8 +62,18 @@ CATEGORY_NAMES = {
 # 카테고리별 제외 키워드 (제목에 포함 시 스킵)
 BLACKLIST_KEYWORDS = {
     'tattoo': [
-        "눈썹", "입술", "두피", "영구",  # 반영구 시술 제외
-        "립타투", "헤어타투", "SMP"
+        # 반영구 화장 (Semi-permanent makeup)
+        "눈썹", "입술", "두피", "헤어라인", "아이라인", "구렛나룻",
+        "반영구", "영구화장", "립타투", "헤어타투", "SMP",
+        "마이크로블레이딩", "microblading", "엠보", "콤보", "PMU",
+        # 임시/가짜 타투
+        "헤나", "henna", "스티커", "페이크", "fake", "임시", "붙이는",
+        # 타투 제거
+        "제거", "레이저", "지우기", "removal",
+        # 도안/디자인만 (실제 시술 아님)
+        "도안", "디자인", "스케치", "드로잉", "그리기",
+        # 의료/미용 시술
+        "유두", "유륜", "흉터", "점",
     ],
     'face': [],
     'license_plate': [],
@@ -66,8 +81,8 @@ BLACKLIST_KEYWORDS = {
 }
 
 # YOLO 설정
-YOLO_MODEL_NAME = 'license_plate_detector.pt'  # 번호판 전용 학습 모델
-YOLO_CONFIDENCE = 0.5                          # 오탐지 방지를 위해 신뢰도 상향
+YOLO_CONFIDENCE = 0.3  # 감지율 향상을 위해 낮춤
+YOLO_HIGH_CONFIDENCE = 0.6  # 고신뢰도 (OCR 없이 바로 인정)
 
 # 번호판 정규식 패턴 (한국 자동차 번호판 중심)
 LICENSE_PLATE_PATTERNS = [

{ytcollector-1.2.0 → ytcollector-1.2.4}/ytcollector.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: ytcollector
-Version: 1.2.0
+Version: 1.2.4
 Summary: YouTube 콘텐츠 수집기 - 얼굴, 번호판, 타투, 텍스트 감지
 Author: YTCollector Team
 License: MIT

{ytcollector-1.2.0 → ytcollector-1.2.4}/ytcollector.egg-info/SOURCES.txt

@@ -1,3 +1,4 @@
+MANIFEST.in
 README.md
 pyproject.toml
 ytcollector/__init__.py
@@ -12,4 +13,5 @@ ytcollector.egg-info/SOURCES.txt
 ytcollector.egg-info/dependency_links.txt
 ytcollector.egg-info/entry_points.txt
 ytcollector.egg-info/requires.txt
-ytcollector.egg-info/top_level.txt
+ytcollector.egg-info/top_level.txt
+ytcollector/models/license_plate_detector.pt