Update README.md

README.md

@@ -7,31 +7,97 @@ tags: []
 
 <!-- Provide a quick summary of what the model is/does. -->
 
+## Uses
+import os 
+from transformers import AutoImageProcessor, AutoModelForObjectDetection
+import torch
+from PIL import Image
+import pandas as pd
 
+# กำหนดพาธไปยังโฟลเดอร์ที่เก็บรูปภาพ
+folder_path = ""
 
-## Model Details
+# โหลดโมเดลและโปรเซสเซอร์
+processor = AutoImageProcessor.from_pretrained("0llheaven/CON-DETR-V5")
+model = AutoModelForObjectDetection.from_pretrained("0llheaven/CON-DETR-V5")
 
-### Model Description
+# สร้าง DataFrame เพื่อเก็บผลลัพธ์
+results_list = []
 
-<!-- Provide a longer summary of what this model is. -->
+# วนลูปผ่านไฟล์ทั้งหมดในโฟลเดอร์
+for image_name in os.listdir(folder_path):
+    if image_name.endswith((".jpg", ".png", ".jpeg")):  # กรองเฉพาะไฟล์รูปภาพ
+        image_path = os.path.join(folder_path, image_name)
+        image = Image.open(image_path)
 
-This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.
+        # แปลงรูปภาพเป็น RGB หากเป็น grayscale
+        if image.mode != "RGB":
+            image = image.convert("RGB")
 
-- **Developed by:** [More Information Needed]
-- **Funded by [optional]:** [More Information Needed]
-- **Shared by [optional]:** [More Information Needed]
-- **Model type:** [More Information Needed]
-- **Language(s) (NLP):** [More Information Needed]
-- **License:** [More Information Needed]
-- **Finetuned from model [optional]:** [More Information Needed]
+        # ทำนายผล
+        inputs = processor(images=image, return_tensors="pt")
+        outputs = model(**inputs)
 
-### Model Sources [optional]
+        # กรองการทำนายที่มีความแม่นยำมากกว่า 0.9
+        target_sizes = torch.tensor([image.size[::-1]])
+        results = processor.post_process_object_detection(outputs, target_sizes=target_sizes)
 
-<!-- Provide the basic links for the model. -->
+        print(f"Processing image: {image_name}")  # แสดงชื่อรูปภาพที่กำลังประมวลผล
 
-- **Repository:** [More Information Needed]
-- **Paper [optional]:** [More Information Needed]
-- **Demo [optional]:** [More Information Needed]
+        # ตรวจสอบว่ามีการตรวจจับหรือไม่
+        detected_any = False
 
-## Uses
+        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
+                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:
+                    label_name = "Normal"
+                elif label.item() == 2:
+                    label_name = "Pneumonia_bacteria"
+                else:
+                    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
+                results_list.append({
+                    "image_name": image_name,
+                    "label": label_name,
+                    "xmin": xmin,
+                    "ymin": ymin,
+                    "xmax": xmax,
+                    "ymax": ymax,
+                    "score": round(score.item(), 3),
+                })
+
+        if not detected_any:
+            print(" - No Detect")
+            results_list.append({
+                "image_name": image_name,
+                "label": "Other",
+                "xmin": 0,
+                "ymin": 0,
+                "xmax": 0,
+                "ymax": 0,
+                "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)