Spaces:
Runtime error
Runtime error
File size: 1,734 Bytes
db8ae5a |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 |
import gradio as gr
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.preprocessing import image
from tensorflow.keras.models import load_model
# Carregar o modelo treinado
model = load_model('/kaggle/working/model_1.0000.h5')
def predict_image(input_image):
# Carregar uma imagem e fazer a previsão
img = image.load_img(input_image, target_size=(224, 224))
img = image.img_to_array(img)
img = np.expand_dims(img, axis=0)
img = img / 255.0 # Normalizar a imagem (como fizemos durante o treinamento)
prediction = model.predict(img)
# Interpretar o resultado
if prediction[0][0] > 0.5:
result = "DOENTE"
else:
result = "NORMAL"
# Mostrar a imagem invertida
img_inverted = 1 - img # Inverter a imagem
# Obter ativações da camada convolucional
activation_model = Model(inputs=model.input, outputs=model.layers[5].output) # Substitua 5 pelo índice da camada desejada
activations = activation_model.predict(img)
# Criar um mapa de calor das ativações
plt.figure(figsize=(12, 5))
plt.subplot(1, 3, 1)
plt.imshow(image.load_img(input_image))
plt.title(f"Resultado da previsão: {result}")
plt.axis('off')
plt.subplot(1, 3, 2)
plt.imshow(img_inverted[0])
plt.title("Imagem Invertida")
plt.axis('off')
plt.subplot(1, 3, 3)
sns.heatmap(activations[0, :, :, 0], cmap='viridis') # Ajuste o índice e o mapa de cores conforme necessário
plt.title("Mapa de Calor da Ativação")
plt.axis('off')
return plt
# Criar uma interface Gradio
iface = gr.Interface(fn=predict_image, inputs="image", outputs="matplotlib", title="Modelo de Classificação de Imagem")
iface.launch()
|