calista engine

calista engine

Eine Deep-Learning-basierte Engine zur Messung der Ästhetik Ihrer Website

Vortrag: „Calista: Ein auf Deep Learning basierendes System zum Verständnis und zur Bewertung der Website-Ästhetik“

Zitieren als:

 @article{DELITZAS2023,
	title = {Calista: A deep learning-based system for understanding and evaluating website aesthetics},
	journal = {International Journal of Human-Computer Studies},
	volume = {175},
	pages = {103019},
	year = {2023},
	issn = {1071-5819},
	doi = {https://doi.org/10.1016/j.ijhcs.2023.103019},
	url = {https://www.sciencedirect.com/science/article/pii/S1071581923000253},
	author = {Alexandros Delitzas and Kyriakos C. Chatzidimitriou and Andreas L. Symeonidis}
}

Wie zu verwenden

• Schritt 1: Geben Sie die URL der Webseite ein, deren Ästhetik Sie bewerten möchten

• Schritt 2: Warten Sie einige Sekunden, bis der Bewertungsprozess abgeschlossen ist

• Schritt 3: Der Ästhetik-Score ist fertig!

Voraussetzungen

• Docker
• Docker-compose

Einsatz

Schritt 1 – Laden Sie das vorab trainierte Modell herunter

Laden Sie das Modell hier im Ordner CNN/src/cnn_model/ herunter.

Schritt 2 – Umgebungsvariablen (optional)

Fügen Sie eine .env- Datei im Stammordner des Projekts hinzu und legen Sie die folgenden Variablen fest:

Umgebungsvariable	Beschreibung
BASEURL	Basis-URL, die für die Anfragen verwendet wird

Schritt 3 – Ausführen

Start:

 docker-compose -f docker-compose.yml up --build

Stoppen:

 Ctrl-C

Für den getrennten Modus :

Start:

 docker-compose -f docker-compose.yml up -d --build

Stoppen:

 docker-compose down