fastapi==0.115.12
uvicorn[standard]==0.34.2
python-multipart==0.0.31
httpx==0.28.1

# 接口1：四庭七眼测量（worker 侧算法依赖）
mediapipe==0.10.14       # MediaPipe Face Mesh（经典 Solutions API，模型内置）
opencv-python==4.10.0.84 # 图片读取/处理 + solvePnP 姿态估计
Pillow==11.0.0           # 标注图生成（PNG 透明图层）
numpy==1.26.4            # 必须 <2，否则 mediapipe 0.10.x import 崩溃

# 方案 B：头发分割（BiSeNet face-parsing）
# 国内安装可走 Tsinghua 镜像（PyPI 的 linux wheel 即 CUDA 12.1 构建）：
#   ./venv/bin/pip install torch==2.2.2 torchvision==0.17.2 -i https://pypi.tuna.tsinghua.edu.cn/simple/
# ⚠️ 本 worker 是 RTX 5090（sm_120/Blackwell），torch 2.2.2(cu121) 只编到 sm_90，
#    GPU 上跑算子会报 "no kernel image"，代码已自动回退 CPU（方案B 仍可用）。
#    要真正用 5090 GPU，请换 torch cu128（≥2.7）+ 对应 torchvision，代码无需改。
torch==2.2.2             # 当前在 5090 上仅 CPU 可用；GPU 需 cu128(≥2.7)
torchvision==0.17.2

# 接口2：C端生发（发际线预览）
# MediaPipe Tasks(FaceLandmarker) 用已装的 mediapipe；新增 SegFormer 人脸分割：
transformers==4.45.2     # SegFormer 人脸分割（jonathandinu/face-parsing，本地权重）

# 接口3：B端生发（马克笔发际线检测）
# ⚠️ 必须 0.24.x —— 0.25+ 强依赖 numpy>=2，会顶掉 mediapipe 需要的 numpy<2
scikit-image==0.24.0     # route_through_array（黑帽响应图上的 Dijkstra 最小路径）

# 测试
pytest==8.3.3