cad feature detection

CAD特征检测

一个最小的应用程序，可通过PythonOCC将步骤文件转换为三个。该模型在MFCAD数据集上进行了培训，因此分类有点不合时宜。但它传达了这个概念。

该项目还利用PythonoCC周围的OCCWL包装器来处理从BREP到图表的映射。

可以在这里找到现场演示

技术堆栈信息：

• 前端

  • 反应
  • 打字稿
  • 反应三纤维
  • 尾风CSS

• 后端

  • Python
  • Fastapi
  • pythonocc
  • Pytorch

• 下属

  • CDK
  • Lambda
  • 萨格人
  • Docker

如何使用

前端

• 本地运行前端： cd frontend && npm run start

• 创建生产构建： cd frontend && npm run build

• 配置：

  • 在前端文件夹中创建一个.ENV文件，并具有以下字段：

     #to set the paths properly the assets folder
    PUBLIC_URL="https://yoururl.com or localhost:3000"
    
    # URL for your backend
    REACT_APP_API_URL="https://api.yoururl.com or localhost:8080"
    

后端

• 本地运行后端： cd backend && uvicorn app.main:app --reload

• 配置：

  • 在带有以下字段的backend/app文件夹中创建.ENV：

     ENDPOINT_NAME="name-of-sagemaker-endpoint"
    

萨格人

• 回购中包括训练有素的UVNET模型。要将模型部署到SageMaker，请在功能_Detector文件夹中安装requirements.txt文件，然后运行笔记本。您还必须在feature_detector文件夹中创建一个.env文件，其中填充以下字段：

   SAGEMAKER_EXECUTION_ROLE="sagemaker execution role"
  SAGEMAKER_S3_BUCKET="sagemaker s3 bucket to store model.tar.gz file"
  

下属

• 在CDK的Instra文件夹中创建.ENV文件：

   DOMAIN="yourdomain.com"
  APP_NAME="NameForYourAppInCDK"
  API_SUBDOMAIN="sub.domain.for.api"
  FE_SUBDOMAIN="fe.subdomain"
  FE_BUCKET_NAME="name-for-s3-bucket-for-fe"