Update README.md

README.md

@@ -23,53 +23,43 @@ import torch
 from PIL import Image
 import pandas as pd
 
-# กำหนดพาธไปยังโฟลเดอร์ที่เก็บรูปภาพ
 folder_path = ""
-
-# โหลดโมเดลและโปรเซสเซอร์
 processor = AutoImageProcessor.from_pretrained("0llheaven/CON-DETR-V5")
 model = AutoModelForObjectDetection.from_pretrained("0llheaven/CON-DETR-V5")
 
-# สร้าง DataFrame เพื่อเก็บผลลัพธ์
 results_list = []
 
-# วนลูปผ่านไฟล์ทั้งหมดในโฟลเดอร์
 for image_name in os.listdir(folder_path):
-    if image_name.endswith((".jpg", ".png", ".jpeg")):  # กรองเฉพาะไฟล์รูปภาพ
+    if image_name.endswith((".jpg", ".png", ".jpeg")): 
         image_path = os.path.join(folder_path, image_name)
         image = Image.open(image_path)
 
-        # แปลงรูปภาพเป็น RGB หากเป็น grayscale
+        # RGB To grayscale
         if image.mode != "RGB":
             image = image.convert("RGB")
 
-        # ทำนายผล
+        # prediction
         inputs = processor(images=image, return_tensors="pt")
         outputs = model(**inputs)
 
-        # กรองการทำนายที่มีความแม่นยำมากกว่า 0.9
         target_sizes = torch.tensor([image.size[::-1]])
         results = processor.post_process_object_detection(outputs, target_sizes=target_sizes)
+        print(f"Processing image: {image_name}")
 
-        print(f"Processing image: {image_name}")  # แสดงชื่อรูปภาพที่กำลังประมวลผล
-
-        # ตรวจสอบว่ามีการตรวจจับหรือไม่
+        # detect_box
         detected_any = False
-
         for result in results:
             scores = result["scores"]
             labels = result["labels"]
             boxes = result["boxes"]
 
-            # กรองเฉพาะ 2 กล่องแรกที่มีคะแนนสูงกว่า 0.5
             filtered_data = [(score, label, box) for score, label, box in zip(scores, labels, boxes) if score > 0.5][:2] # จำกัดให้เก็บได้ไม่เกิน 2 กล่อง
             # for score, label, box in zip(scores, labels, boxes):
-                # if score > 0.5:  # กรองเฉพาะผลลัพธ์ที่มีความแม่นยำมากกว่า 0.9
-            if len(filtered_data) > 0:  # ตรวจสอบว่ามีการตรวจจับ
+                # if score > 0.5:
+            if len(filtered_data) > 0:
                 detected_any = True
                     
             for score, label, box in filtered_data:
-                # กำหนดชื่อ label ตาม index ของ label ที่ได้
                 if label.item() == 0:
                     label_name = "Pneumonia"
                 elif label.item() == 1:
@@ -80,7 +70,7 @@ for image_name in os.listdir(folder_path):
                     label_name = "Pneumonia_virus"
                 
                 xmin, ymin, xmax, ymax = [round(i, 2) for i in box.tolist()]
-                print(f" - Detected {label_name} with score {round(score.item(), 3)} at {xmin, ymin, xmax, ymax}")  # แสดงข้อมูลที่ทำนายได้
+                print(f" - Detected {label_name} with score {round(score.item(), 3)} at {xmin, ymin, xmax, ymax}")
                 results_list.append({
                     "image_name": image_name,
                     "label": label_name,
@@ -103,11 +93,7 @@ for image_name in os.listdir(folder_path):
                 "score": 0,
             })
 
-# แปลง List เป็น DataFrame
 results_df = pd.DataFrame(results_list)
-
-# แสดงผล DataFrame
 print("\nFinal results:")
-
 results_df.to_csv("testmodel.csv", index=False)
 ```