🤖 Repos GitHub - Catégorisation IA de Photos

🎯 Objectif

Trouver des solutions IA pour catégoriser automatiquement les photos : - Posters / Affiches de spectacles et concerts - Photos utilisateurs vs photos de famille - Photos de paysages - Reconnaissance faciale et événements

🏆 Solutions recommandées

1. PhotoPrism ⭐ (Most Popular)

Repository : https://github.com/photoprism/photoprism

Description : Application photos AI-Powered pour le web décentralisé

Features : - ✅ Labellisation automatique basée sur le contenu et la localisation - ✅ Reconnaissance faciale pour famille et amis - ✅ Tagging IA automatique avec machine learning - ✅ Groupement par personnes - ✅ Auto-hébergé et privacy-focused - ✅ Interface web moderne et responsive - ✅ Support géolocalisation et cartographie - ✅ Recherche avancée par tags, personnes, lieux

Technologies : - Go (backend) - TensorFlow (IA) - MariaDB/MySQL - Docker

Installation :

docker run -d \
  --name photoprism \
  --security-opt seccomp=unconfined \
  --security-opt apparmor=unconfined \
  -p 2342:2342 \
  -e PHOTOPRISM_UPLOAD_NSFW="true" \
  -e PHOTOPRISM_ADMIN_PASSWORD="admin" \
  -v /path/to/photos:/photoprism/originals \
  -v ./storage:/photoprism/storage \
  photoprism/photoprism

Avantages : - Production-ready - Large communauté (36k+ stars) - Bien maintenu - Interface utilisateur excellente

Inconvénients : - Nécessite des ressources (CPU/RAM pour IA) - Pas de catégorisation "poster vs famille" directe (nécessite custom training)

2. Photo-Organizer-CORE (Standalone AI Agent)

Repository : https://github.com/ashesbloom/Photo-Organizer-CORE

Description : Agent IA desktop standalone pour catégoriser automatiquement les photos

Features : - ✅ Catégorisation automatique par date, lieu, visages - ✅ Traitement 100% local (pas de cloud) - ✅ Organisation en hiérarchie albums/dossiers - ✅ Reconnaissance faciale intégrée - ✅ Pas besoin de serveur web

Technologies : - Python - Deep Learning (modèles locaux) - Desktop app

Utilisation :

git clone https://github.com/ashesbloom/Photo-Organizer-CORE
cd Photo-Organizer-CORE
pip install -r requirements.txt
python organizer.py --input /path/to/photos --output /path/to/organized

Avantages : - Simple et léger - Pas besoin de serveur - Privacy total (tout en local) - Scripts personnalisables

Inconvénients : - Pas d'interface web - Moins de features que PhotoPrism - Nécessite adaptation pour catégories spécifiques (posters/concerts)

3. jfthuong/photo-organizer (ML Modules)

Repository : https://github.com/jfthuong/photo-organizer

Description : Modules ML et heuristiques pour organiser photos de famille

Features : - ✅ Identification faciale avec FaceNet - ✅ Modules ML multiples - ✅ Approche heuristique + ML - ✅ Orienté photos de famille

Technologies : - Python - FaceNet (reconnaissance faciale) - TensorFlow

Avantages : - Modulaire et extensible - Focus sur les photos de famille - Code bien documenté

Inconvénients : - Moins actif (dernière update 2021) - Nécessite développement custom pour nouveaux cas d'usage

4. PicFolio (Mobile + Desktop)

Repository : https://github.com/meet244/PicFolio

Description : Gestionnaire photos avec client-serveur, upload depuis mobile

Features : - ✅ Tagging automatique avec IA (Recognise Anything Model) - ✅ Reconnaissance faciale (DeepFace) - ✅ Recherche avec Gemini API - ✅ Upload depuis mobile - ✅ Stockage local

Technologies : - Node.js (backend) - DeepFace (face recognition) - Gemini API (search) - RAM (Recognise Anything Model)

Avantages : - Architecture client-serveur moderne - Multiple modèles IA - Support mobile

Inconvénients : - Dépendance Gemini API (Google) - Moins mature que PhotoPrism

5. IntelliAlbum

Repository : https://github.com/neozhu/IntelliAlbum

Description : Album intelligent avec IA

Features : - ✅ Reconnaissance faciale automatique - ✅ Sauvegarde des données faciales - ✅ Interface album

Technologies : - .NET / C# - Machine Learning

Avantages : - Stack .NET bien structuré - Interface moderne

Inconvénients : - Moins populaire - Communauté plus petite

🎯 Cas d'usage spécifique : Posters/Concerts vs Famille

Pour catégoriser posters de spectacles/concerts vs photos de famille vs paysages, il faut :

Approche recommandée

Utiliser PhotoPrism comme base
Gère déjà : personnes, lieux, dates
Interface web prête
Ajouter un classifier custom
Entraîner un modèle CNN (ResNet50, EfficientNet)
3 classes : "poster", "family", "landscape"
Dataset : ImageNet + custom dataset
Pipeline proposé :

# Pseudo-code
import torch
from torchvision import models, transforms

# Modèle pré-entraîné
model = models.resnet50(pretrained=True)
model.fc = torch.nn.Linear(model.fc.in_features, 3)  # 3 classes

# Inference
transform = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
])

def classify_photo(image_path):
    image = Image.open(image_path)
    input_tensor = transform(image).unsqueeze(0)
    with torch.no_grad():
        output = model(input_tensor)
        _, predicted = torch.max(output, 1)

    classes = ['poster', 'family', 'landscape']
    return classes[predicted.item()]

# Intégration avec PhotoPrism
# → Ajouter tags automatiques selon classification

🚀 Solution complète recommandée

Architecture combinée

[ Dropbox 600 Go ]
        |
        | (rclone mount)
        v
   VPS Hostinger
        |
        +-- PhotoPrism (galerie + IA de base)
        +-- Custom Classifier (posters/famille/paysage)
        +-- digiKam (MariaDB externe)
        +-- Lychee (galerie secondaire)

Stack technique

PhotoPrism pour :
Interface web
Reconnaissance faciale
Géolocalisation
Tags de base
Custom Python script pour :
Classification poster/famille/paysage
Modèle PyTorch/TensorFlow
Ajout de tags dans PhotoPrism via API
digiKam pour :
Édition avancée
Catalogage professionnel
Workflow photographe

📦 Installation PhotoPrism sur VPS

mkdir -p /var/www/photoprism/{storage,originals}

docker run -d \
  --name photoprism \
  --security-opt seccomp=unconfined \
  --security-opt apparmor=unconfined \
  -p 2342:2342 \
  -e PHOTOPRISM_ADMIN_USER="admin" \
  -e PHOTOPRISM_ADMIN_PASSWORD="PhotoPrism2025!" \
  -e PHOTOPRISM_AUTH_MODE="password" \
  -e PHOTOPRISM_SITE_URL="https://photos.srv759970.hstgr.cloud/" \
  -e PHOTOPRISM_DISABLE_TLS="true" \
  -e PHOTOPRISM_DEFAULT_TLS="true" \
  -e PHOTOPRISM_ORIGINALS_LIMIT="5000" \
  -e PHOTOPRISM_HTTP_COMPRESSION="gzip" \
  -e PHOTOPRISM_WORKERS="2" \
  -e PHOTOPRISM_LOG_LEVEL="info" \
  -e PHOTOPRISM_READONLY="false" \
  -e PHOTOPRISM_EXPERIMENTAL="false" \
  -e PHOTOPRISM_DISABLE_CHOWN="false" \
  -e PHOTOPRISM_DISABLE_WEBDAV="false" \
  -e PHOTOPRISM_DISABLE_SETTINGS="false" \
  -e PHOTOPRISM_DISABLE_TENSORFLOW="false" \
  -e PHOTOPRISM_DISABLE_FACES="false" \
  -e PHOTOPRISM_DISABLE_CLASSIFICATION="false" \
  -e PHOTOPRISM_DETECT_NSFW="false" \
  -e PHOTOPRISM_UPLOAD_NSFW="true" \
  -e PHOTOPRISM_DATABASE_DRIVER="mysql" \
  -e PHOTOPRISM_DATABASE_SERVER="mariadb:3306" \
  -e PHOTOPRISM_DATABASE_NAME="photoprism" \
  -e PHOTOPRISM_DATABASE_USER="photoprism" \
  -e PHOTOPRISM_DATABASE_PASSWORD="PhotoPrismDB2025" \
  -e PHOTOPRISM_SITE_CAPTION="AI-Powered Photos" \
  -e PHOTOPRISM_SITE_DESCRIPTION="" \
  -e PHOTOPRISM_SITE_AUTHOR="" \
  -v /mnt/dropbox:/photoprism/originals:ro \
  -v /var/www/photoprism/storage:/photoprism/storage \
  photoprism/photoprism

🎓 Resources

PhotoPrism Docs : https://docs.photoprism.app/
PyTorch Image Classification : https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html
TensorFlow Image Classification : https://www.tensorflow.org/tutorials/images/classification
DeepFace : https://github.com/serengil/deepface
FaceNet : https://github.com/davidsandberg/facenet

Créé le : 2025-10-16 Recommandation : PhotoPrism + Custom Classifier pour catégories spécifiques