calista engine

calista engine

Un moteur alimenté par le Deep Learning pour mesurer l'esthétique de votre site Web

Article : « Calista : un système basé sur l'apprentissage profond pour comprendre et évaluer l'esthétique des sites Web »

Citer comme :

 @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}
}

Comment utiliser

• Étape 1 : Insérez l'URL de la page Web dont vous souhaitez évaluer l'esthétique

• Étape 2 : Attendez quelques secondes pour que le processus d'évaluation se termine

• Étape 3 : La partition esthétique est prête !

Conditions préalables

• Docker
• Docker-composer

Déploiement

Étape 1 : Téléchargez le modèle pré-entraîné

Téléchargez le modèle dans le dossier CNN/src/cnn_model/ à partir d'ici.

Étape 2 - Variables d'environnement (facultatif)

Ajoutez un fichier .env dans le dossier racine du projet et définissez les variables suivantes :

Variable d'environnement	Description
URL DE BASE	URL de base utilisée pour les requêtes

Étape 3 - Exécuter

Commencer:

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

Arrêt:

 Ctrl-C

Pour le mode détaché :

Commencer:

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

Arrêt:

 docker-compose down