Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
@@ -43,14 +43,25 @@ def classify_image(inp):
|
|
43 |
# Faça uma previsão usando o modelo treinado
|
44 |
prediction = loaded_model.predict(np.expand_dims(img, axis=0)).flatten()
|
45 |
|
46 |
-
#
|
47 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
48 |
|
49 |
# Crie uma interface Gradio
|
50 |
iface = gr.Interface(
|
51 |
fn=classify_image,
|
52 |
inputs=gr.inputs.Image(shape=(192, 256)),
|
53 |
-
outputs=gr.outputs.Label(),
|
54 |
capture_session=True,
|
55 |
title="Detecção de Catarata",
|
56 |
description="Esta interface permite a detecção de catarata em imagens de olhos.",
|
|
|
43 |
# Faça uma previsão usando o modelo treinado
|
44 |
prediction = loaded_model.predict(np.expand_dims(img, axis=0)).flatten()
|
45 |
|
46 |
+
# Obtém a classe prevista
|
47 |
+
predicted_class = class_names[np.argmax(prediction)]
|
48 |
+
|
49 |
+
# Crie uma imagem de saída com a classe prevista
|
50 |
+
output_image = Image.new("RGB", (256, 192))
|
51 |
+
output_image.paste((255, 255, 255), (0, 0, 256, 192))
|
52 |
+
output_image_draw = ImageDraw.Draw(output_image)
|
53 |
+
output_image_draw.text((10, 10), f"Classe Prevista: {predicted_class}", fill=(0, 0, 0))
|
54 |
+
|
55 |
+
# Converte a imagem de saída de volta para numpy array
|
56 |
+
output_image = np.array(output_image)
|
57 |
+
|
58 |
+
return predicted_class, output_image
|
59 |
|
60 |
# Crie uma interface Gradio
|
61 |
iface = gr.Interface(
|
62 |
fn=classify_image,
|
63 |
inputs=gr.inputs.Image(shape=(192, 256)),
|
64 |
+
outputs=[gr.outputs.Label(), gr.outputs.Image(type="numpy")],
|
65 |
capture_session=True,
|
66 |
title="Detecção de Catarata",
|
67 |
description="Esta interface permite a detecção de catarata em imagens de olhos.",
|