Upload app.py

app.py

@@ -1,138 +1,191 @@
-
 import gradio as gr
-import cv2
-from matplotlib import pyplot as plt
-import numpy as np
-from typing import List
-from ultralytics import YOLO
-import cv2
-import numpy as np
+import requests
+import openai
+from deep_translator import GoogleTranslator
+
+
+
+
 import os
-import shutil
 
 
-def recortar_notas(imagen_path: str) -> int:
-    if os.path.exists('deteccion'):
-        shutil.rmtree('deteccion')
-    if os.path.exists('diarios'):
-        shutil.rmtree('diarios')
-    if os.path.exists('recorte'):
-        shutil.rmtree('recorte')
+openkey = os.getenv("openkey")
+yelpkey = os.getenv("yelpkey")
+
+
+
+
+def generate_text(text):
+    url = f"https://api.yelp.com/v3/businesses/{text}/reviews?limit=1&sort_by=yelp_sort"
+
+    headers = {
+        "accept": "application/json",
+        "Authorization": yelpkey
+    }
+
+    response = requests.get(url, headers=headers)
+    response = response.json()
+    review = response['reviews'][0]['text']
+    user = response['reviews'][0]['user']['name']
+    image = response['reviews'][0]['user']['image_url']
+    link = response['reviews'][0]['url']
+    calificacion = response['reviews'][0]['rating']
+    creacion = response['reviews'][0]['time_created']
+    openai.api_key = openkey
+    traductor = GoogleTranslator(source='en', target='es')
+    traduccion = traductor.translate(review)
+    response2 = openai.Completion.create(
+        model="text-davinci-003",
+        prompt= f"Responder la siguiente reseña. nombre:{user}. {review}",
+        temperature=0.5,
+        max_tokens=300,
+        top_p=1,
+        frequency_penalty=0,
+        presence_penalty=0
+    )
+    response2 = response2.choices[0].text
     
-    model = YOLO("seg-640.pt")
-    results = model.predict(source=imagen_path, save=True, save_txt=True, project="diarios", classes=0, conf=0.5) 
 
-    # cargar imagen tif
-    image = cv2.imread(imagen_path)
 
-    # crear una carpeta para guardar los recortes
-    filename = os.path.splitext(os.path.basename(results[0].path))[0]
-    foldername = os.path.splitext(filename)[0]
-    if not os.path.exists(f"recorte/{foldername}"):
-        os.makedirs(f"recorte/{foldername}")
 
-    datos = results[0].masks.xy
 
-    num_notas = 0
 
-    for i, coords in enumerate(datos): 
-        # coordenadas de segmentación
-        coordenadas = np.array(coords)
 
-        # crear una máscara vacía
-        mask = np.zeros((image.shape[0], image.shape[1]), dtype=np.uint8)
 
-        # dibujar un polígono en la máscara
-        cv2.fillPoly(mask, [coordenadas.astype(np.int32)], 255)
 
-        # aplicar la máscara a la imagen
-        masked = cv2.bitwise_and(image, image, mask=mask)
 
-        # recortar la imagen utilizando la caja delimitadora de la máscara
-        x, y, w, h = cv2.boundingRect(mask)
-        recorte = masked[y:y+h, x:x+w]
 
-        # guardar el recorte como una imagen
-        recorte_path = os.path.join(f"recorte/{foldername}", f"nota {i}.jpg")
-        cv2.imwrite(recorte_path, recorte)
 
-        num_notas += 1
-    
-    noticias(foldername)
-    segmentacion = f"diarios/predict/{filename}.png"
-    segmentacion = cv2.imread(segmentacion)
-    recorte1 = f"recorte/{foldername}/nota 0.jpg"
-    prediccion = f"deteccion/{foldername}/predict/nota 0.jpg"
-        
-    try:
-        recorte2 = f"recorte/{foldername}/nota 1.jpg"
-        prediccion2 = f"deteccion/{foldername}/predict/nota 1.jpg"
-        if not os.path.exists(recorte2):
-            raise Exception(f"El archivo {recorte2} no existe.")
-    except:
-          recorte2 = "sin_nota.jpg"
-          prediccion2 = "sin_nota.jpg"
-    
-    return segmentacion, prediccion, prediccion2, num_notas
 
-def noticias(carpeta):
-        nombre = carpeta
-        model = YOLO("best-detect.pt")
-        results = model.predict(source=f"recorte/{nombre}", save=True, save_txt=True,project=f"deteccion/{nombre}", conf=0.75)  # save plotted images
-        return print(f"Imagen {nombre} procesada correctamente")
+
+
+
+
+    return  review,user,image,response2,traduccion,calificacion,creacion
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
 
 with gr.Blocks() as demo:
-    gr.Markdown(
-        """
-        <h1 align="center"> IA por la Identidad
-        </h1>
-        <h2 align="center"> Dathaton 
-        </h2>
-        """
-    )   
+
+
+
+
+
+
+
+
     gr.Markdown(
         """
 <p align="center">
-    <img width = 600 src="https://raw.githubusercontent.com/BonfantiMatias/images/main/banner%20fundaciones.jpeg">
-    
+    <img width = 600 src="https://neurona-ba.com/wp-content/uploads/2021/07/HenryLogo.jpg">
+    <img width = 450 src="https://raw.githubusercontent.com/BonfantiMatias/images/main/proyecto.jpg">
+    <img width = 400 src="https://raw.githubusercontent.com/BonfantiMatias/images/main/proyecto2.jpg">
+</p>
+<p align="center">
+    <img width=1024 src="https://raw.githubusercontent.com/BonfantiMatias/images/main/COMOFUNCIONA.png">
 </p>
 
 """
     )
-
-    
+    gr.Markdown(
+        """
+        <p align="center">
+        </p>
+        <p align="center">
+        </p>
+        """
+    )
+    gr.Markdown("# Ingresar el Negocio")
     gr.Markdown(
     """
-- Puede Seleccionar una de las imagenes de ejemplo o subir una desde su pc
-- Para borrar la imagen que esta en la ventana de procesamiento debe presionar la "X" que se encuentra en el vertice superior derecho
+- Puede ingresar el Negocio por su ID o Alias de [YELP.com](https://www.yelp.com)
+- Presionar el Boton 'Iniciar Modelo' que se encuentra al final de la pagina
 """
     )
-    with gr.Row():
-            seed = gr.components.Image(type="filepath", label="Input") 
-            with gr.Row():
-                with gr.Column():
-                        gr.Examples(["Ambito2.jpg"], inputs=[seed])
-                        gr.Examples(["Clarin2.jpg"], inputs=[seed])
-                        
-                with gr.Column():
-                        gr.Examples(["Popular.jpg"], inputs=[seed])
-                        gr.Examples(["Clarin3.jpg"], inputs=[seed])
+    with gr.Column():
+            seed = gr.Textbox(label="Introducir el nombre de la empresa o su Id")
+            with gr.Row():        
+                    gr.Examples(["la-fábrica-del-taco-buenos-aires"], inputs=[seed])
+                    gr.Examples(["versailles-miami-4"], inputs=[seed])
+                    gr.Examples(["la-casa-de-toño-ciudad-de-méxico-4"], inputs=[seed])
+                    gr.Examples(["osteria-del-bugiardo-verona"], inputs=[seed])
+                    gr.Examples(["arume-barcelona"], inputs=[seed])   
 
-    with gr.Row():
-                notas = gr.Label(label="Numero de Notas")
-      
-    with gr.Row():
+    
+
+    gr.Markdown("# Mediante la Api Yelp Fusion se obtienen los datos de la ultima reseña del local seleccionado")
+    
             
+    
+    with gr.Row():
+        
+
+
+
         with gr.Column():
-            segmentacion = gr.Image(label="Segmentacion Notas")
-        with gr.Column():
-            prediccion = gr.Image(label="Prediccion Primera Nota")
+            user = gr.Textbox(label="Id Cliente" )            
+            review = gr.Textbox(label="Reseña Cliente")            
+            calificacion = gr.Textbox(label="Calificacion de la reseña")         
+            creacion = gr.Textbox(label="Fecha de creacion de la reseña")
         with gr.Column():
-            prediccion2 = gr.Image(label="Prediccion Segunda Nota")
+            image = gr.Image(label="Avatar Cliente")
+        
+            
+        
+    gr.Markdown("# Traduccion de la reseña al idioma español")           
+    with gr.Row():
+            traduccion = gr.Textbox(label="Traduccion reseña")
 
+    gr.Markdown("# Respuesta de la reseña implementando el modelo GPT-3 de OpenAi")
     with gr.Row():
-        btn = gr.Button("Procesar Imagen")
-        btn.click(recortar_notas, inputs=[seed], outputs=[segmentacion, prediccion, prediccion2, notas])          
-          
+            response2 = gr.Textbox(label="Respuesta GPT-3")
+            
+    with gr.Row():
+            btn = gr.Button("Iniciar Modelo")
+            btn.click(generate_text, inputs=[seed], outputs=[review,user,image,response2,traduccion,calificacion,creacion])        
+  
+    
 if __name__ == "__main__":
     demo.launch()