Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
@@ -1,16 +1,16 @@
|
|
1 |
import tensorflow as tf
|
2 |
import efficientnet.tfkeras as efn
|
3 |
import gradio as gr
|
4 |
-
import numpy as np
|
5 |
|
6 |
# Dimensões da imagem
|
7 |
-
IMG_HEIGHT =
|
8 |
-
IMG_WIDTH =
|
9 |
|
10 |
# Função para construir o modelo
|
11 |
def build_model(img_height, img_width, n):
|
12 |
inp = tf.keras.layers.Input(shape=(img_height, img_width, n))
|
13 |
-
efnet = efn.
|
14 |
input_shape=(img_height, img_width, n),
|
15 |
weights='imagenet',
|
16 |
include_top=False
|
@@ -47,22 +47,33 @@ def predict(input_image):
|
|
47 |
input_image = tf.expand_dims(input_image, axis=0)
|
48 |
prediction = loaded_model.predict(input_image)
|
49 |
|
50 |
-
# A saída será uma matriz de previsões
|
51 |
class_names = ["Normal", "Cataract"]
|
|
|
52 |
|
53 |
# Determine a classe mais provável
|
54 |
-
predicted_class = class_names[np.argmax(
|
55 |
|
56 |
# Adicione informações adicionais à saída
|
57 |
-
confidence =
|
58 |
|
59 |
-
return
|
|
|
|
|
|
|
|
|
|
|
60 |
|
61 |
# Crie uma interface Gradio para fazer previsões
|
62 |
iface = gr.Interface(
|
63 |
predict,
|
64 |
inputs=gr.inputs.Image(label="Carregue uma imagem da região ocular", type="pil"),
|
65 |
-
outputs=
|
|
|
|
|
|
|
|
|
|
|
66 |
theme="auto", # Usar o tema padrão do Gradio
|
67 |
)
|
68 |
|
|
|
1 |
import tensorflow as tf
|
2 |
import efficientnet.tfkeras as efn
|
3 |
import gradio as gr
|
4 |
+
import numpy as np
|
5 |
|
6 |
# Dimensões da imagem
|
7 |
+
IMG_HEIGHT = 512
|
8 |
+
IMG_WIDTH = 512
|
9 |
|
10 |
# Função para construir o modelo
|
11 |
def build_model(img_height, img_width, n):
|
12 |
inp = tf.keras.layers.Input(shape=(img_height, img_width, n))
|
13 |
+
efnet = efn.EfficientNetB3( # Usando EfficientNetB3
|
14 |
input_shape=(img_height, img_width, n),
|
15 |
weights='imagenet',
|
16 |
include_top=False
|
|
|
47 |
input_image = tf.expand_dims(input_image, axis=0)
|
48 |
prediction = loaded_model.predict(input_image)
|
49 |
|
50 |
+
# A saída será uma matriz de previsões
|
51 |
class_names = ["Normal", "Cataract"]
|
52 |
+
probabilities = prediction[0]
|
53 |
|
54 |
# Determine a classe mais provável
|
55 |
+
predicted_class = class_names[np.argmax(probabilities)]
|
56 |
|
57 |
# Adicione informações adicionais à saída
|
58 |
+
confidence = probabilities[np.argmax(probabilities)]
|
59 |
|
60 |
+
return {
|
61 |
+
"Imagem de Entrada": input_image[0].numpy(),
|
62 |
+
"Classificação": predicted_class,
|
63 |
+
"Confiança": confidence,
|
64 |
+
"Probabilidades": {class_names[i]: probabilities[i] for i in range(len(class_names))}
|
65 |
+
}
|
66 |
|
67 |
# Crie uma interface Gradio para fazer previsões
|
68 |
iface = gr.Interface(
|
69 |
predict,
|
70 |
inputs=gr.inputs.Image(label="Carregue uma imagem da região ocular", type="pil"),
|
71 |
+
outputs=[
|
72 |
+
gr.outputs.Image(label="Imagem de Entrada"),
|
73 |
+
gr.outputs.Textbox(label="Classificação"),
|
74 |
+
gr.outputs.Textbox(label="Confiança"),
|
75 |
+
gr.outputs.Table(label="Probabilidades")
|
76 |
+
],
|
77 |
theme="auto", # Usar o tema padrão do Gradio
|
78 |
)
|
79 |
|