Update app.py

app.py

@@ -19,7 +19,7 @@ with custom_object_scope({'FixedDropout': FixedDropout}):
     loaded_model = tf.keras.models.load_model('modelo_treinado.h5')
 
 # Crie uma lista de classes
-class_names = ["Normal", "Cataract"]
+class_names = ["Normal", "Catarata"]
 
 # Defina a função de classificação
 def classify_image(inp):
@@ -37,16 +37,17 @@ def classify_image(inp):
 
     return predicted_class
 
-# Formate a interface Gradio com HTML
+# Formate a interface Gradio com HTML e informações em português
 iface = gr.Interface(
     fn=classify_image,
     inputs=gr.inputs.Image(shape=(192, 256)),
     outputs=gr.outputs.HTML("<h2>Resultado da Classificação</h2><p><strong>Categoria Predita:</strong> {}</p>"),  # Saída formatada com HTML
     live=True,
-    title="Classificador de Imagens",
-    description="Faça o upload de uma imagem e classifique sua categoria.",
+    title="Classificador de Catarata",
+    description="Este é um classificador de imagens médicas para detectar catarata. Faça o upload de uma imagem e clique em 'Classificar' para obter a categoria predita.",
     allow_screenshot=False,  # Desativar a captura de tela
     allow_flagging=False,  # Desativar a opção de sinalizar
+    gr.Interface.Label("Faça o upload de uma imagem para classificar:")
 )
 
 # Inicie a interface Gradio