# Project -- Image Text Detection (ITD)

## 專案介紹

* **ITD** 為使用者提供線上平台，讓用戶能夠上傳影片，並下載經過物件追蹤的影片以及相關物件詳細資訊。
* 使用者能夠快速獲得物件追蹤影片，並深入分析影片中物件的細節資訊。

[**專案 Demo 連結**](https://www.youtube.com/live/OqySkXc2ye0?t=1528s)

<!-- 
<center style="color:brown;">
點擊右上 註冊/登入 即可開始體驗服務。
</center>
</br>

<center style="color:brown;">
會員頁面提供影片下載連結，點擊下方上傳影片。
</center>
</br>

<center style="color:brown;">
上傳影片後稍待片刻。
</center>

<!-- [**專案連結**](https://leo145x.com) --> -->
[**專案原始碼連結**](https://github.com/Leo145x/ITD)

## 專案架構

## 詳細流程

1. 使用者上傳影片至 *GCP VM*，該伺服器接著將影片上傳至 *GCP Video Interlligence* 進行物件辨識。
2. *GCP VM* 將辨識結果逐幀繪製在原影片上，並將繪製後的影片與標籤檔上傳至 *AWS S3*，再透過 *AWS Cloud Front* 部署。
3. *GCP VM* 發出 request 至 *AWS EC2 (web sever)*，其包含部署連結以及用戶等資訊。
4. *AWS EC2 (web sever)* 利用 *AWS RDS (MySQL)* 更新用戶資料。
5. 透過 *Socket.IO* 及時通知用戶影片辨識已完成。

## 開發挑戰

### 1. 雙伺服器 :

> 使用 [*AWS EC2 免費方案*](https://aws.amazon.com/tw/ec2/pricing/)，經嘗試後遇到該伺服器無法有效繪製影片或影響用戶體驗等情況。因此，另啟 *GCP VM* 作為影像處理專用伺服器。
> * 資源優化與任務分工
> * 降低伺服器租用成本

<span style="color:red">經驗學習 : </span>`跨域請求` `版本控制`

### 2. 流程改善 :
> 影片解析過程透過 *Python threading* 實現多執行緒處理，確保原影片上傳完成後，立即回應瀏覽器請求，從而避免 *Timeout* 。
> * 降低用戶體感等待時間
> * 避免大量長時間等待的請求

<span style="color:red">經驗學習 : </span>`多執行緒處理`

<!-- ## 系統框架開發相關經驗

### 背景與挑戰

在 Allxon (奧暢雲) 擔任後端工程師期間，我負責設計和維護 API。起初，我們的架構基於 AWS Lambda 並結合負載均衡器，但每個 API 的路徑和請求主體均需手動撰寫驗證邏輯。隨著系統功能的不斷擴展，這種做法逐漸顯現出維護上的困難，導致開發效率降低，並增加系統的技術債。

### 解決方案

為了提升架構的可維護性與開發效率，嘗試引入 Pydantic 作為自動化驗證工具。Pydantic 能夠實現對資料結構的嚴格驗證，並透過簡單定義正則表達式進行約束，從而大幅減少重複性的驗證程式碼。

### 成果與效益

這個改動顯著提升了系統的模組化和一致性，並加強程式碼的可讀性與可擴展性。整個開發過程變得更加高效，同時有效地減輕了技術債。 -->

<!-- </br> -->

<!-- > [name=Leo Hung][time=Tue, Nov 12, 2024 12:14 PM][color=red] -->