FastMCP_RecSys

这是一个基于CLIP的时尚推荐系统，集成MCP功能。通过YOLO检测服装、CLIP编码并推荐相似商品。

模板图

用户上传一件衣服 → YOLO检测到衣服 → CLIP编码 → 推荐相似的衣服

文件结构

/项目根目录
│
├── /backend
│   ├── Dockerfile            
│   ├── /app
│   │   ├── server.py                    # FastAPI应用程序代码
│   │   ├── /routes
│   │   │   └── clothing_routes.py
│   │   ├── /controllers
│   │   │   └── clothing_controller.py
│   │   │   └──clothing_tagging.py
│   │   │   └── tag_extractor.py         # 待定：定义核心CLIP功能
│   │   ├── schemas/
│   │   │   └── clothing_schemas.py
│   │   ├── config/
│   │   │   └── tag_list_en.py           $ 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     
│   └── /public
│       └── .htaccess
└── README.md

快速开始指南

步骤 1: 克隆仓库

git clone https://github.com/yourusername/FastMCP_RecSys.git
cd FastMCP_RecSys

步骤 2: 安装依赖

pip install -r backend/app/requirements.txt
npm install

步骤 3: 启动服务

docker-compose up --build

已完成的内容

1. 项目架构设计完成
2. 后台功能实现完成
3. 基本前端界面开发完成（上传图片功能）
4. 与其他团队成员的协作流程已建立

下一步计划

1. 测试CLIP模型在服装图像上的标签准确性
2. 调整优化标签系统，提升推荐效果
3. 集成实时用户数据进行测试
4. 设置监控系统，追踪模型性能
5. 完成前端演示版本