attarmau
服务介绍
FastMCP_RecSys
这是一个基于CLIP并使用MCP的时尚推荐系统。
原型
用户上传服装图片 → YOLO检测服装 → CLIP编码 → 推荐相似服装
文件夹结构
/project-root
│
├── /backend
│ ├── Dockerfile
│ ├── /app
│ │ ├── server.py # FastAPI 应用代码
│ │ ├── /routes
│ │ │ └── clothing_routes.py
│ │ ├── /controllers
│ │ │ └── clothing_controller.py
│ │ │ └──clothing_tagging.py
│ │ │ └── tag_extractor.py # 待完成：定义核心CLIP功能
│ │ ├── schemas/
│ │ │ └── clothing_schemas.py
│ │ ├── config/
│ │ │ └── tag_list_en.py $ 映射工具: https://jsoncrack.com/editor
│ │ │ └── database.py
│ │ │ └── settings.py
│ │ │ └── api_keys.py
│ │ └── requirements.txt
│ └── .env
│
├── /fastmcp
│ └── app
│ └── server.py
│
├── /frontend
│ ├── Dockerfile
│ ├── package.json
│ ├── package-lock.json
│ ├── /public
│ │ └── index.html
│ ├── /src
│ │ ├── /components
│ │ │ ├── ImageUpload.jsx
│ │ │ ├── DetectedTags.jsx
│ │ │ └── Recommendations.jsx
│ │ ├── /utils
│ │ │ └── api.js
│ │ ├── App.js # 主React组件
│ │ ├── index.js
│ │ ├── index.css
│ │ ├── tailwind.config.js
│ │ ├── postcss.config.js
│ │ └── .env
│ ├── .gitignore
│ ├── docker-compose.yml
│ └── README.md
└────── requirements.txt
快速入门指南
第一步：克隆GitHub项目
第二步：设置Python环境
python -m venv venv
source venv/bin/activate # 在macOS或Linux上
venvScriptsactivate # 在Windows上
第三步：安装依赖
pip install -r requirements.txt
第四步：启动FastAPI服务器（后端）
uvicorn backend.app.server:app --reload
一旦服务器运行并且数据库连接成功，你应该会在控制台看到以下消息：
Database connected
INFO: Application startup complete.
第五步：安装依赖
数据库已连接
应用启动完成。
npm install
第六步：启动开发服务器（前端）
npm start
一旦运行，服务器会记录确认信息并在浏览器中打开应用：http://localhost:3000/
📌 UI示例组件
- 图片上传
- 提交按钮
- 显示服装标签和推荐
目前已完成的工作：
- FastAPI服务器已上线并运行（4月24日）
- 数据库连接已设置（4月24日）
- 后端架构已实现功能（4月24日）
- 基本的前端UI用于上传图片（4月25日）
下一步：
- 评估CLIP在样本服装图片上的标签准确性
- 微调标签系统以获得更好的推荐3. 使用实时用户数据测试后端集成
- 设置模型性能监控
- 前端演示
