Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
@@ -52,32 +52,25 @@ class ImageClassifierCataract:
|
|
52 |
class_index = np.argmax(prediction)
|
53 |
predicted_class = self.class_labels[class_index]
|
54 |
|
55 |
-
output_image = (input_image[0] * 255).astype('uint8')
|
56 |
-
output_image = cv2.copyMakeBorder(output_image, 0, 50, 0, 0, cv2.BORDER_CONSTANT, value=(255, 255, 255))
|
57 |
-
label_background = np.ones((50, output_image.shape[1], 3), dtype=np.uint8) * 255
|
58 |
-
output_image[-50:] = label_background
|
59 |
-
|
60 |
-
image_height, image_width, _ = output_image.shape
|
61 |
-
box_size = 100
|
62 |
-
box_x = (image_width - box_size) // 2
|
63 |
-
box_y = (image_height - box_size) // 2
|
64 |
-
object_box_color = (255, 0, 0)
|
65 |
-
cv2.rectangle(output_image, (box_x, box_y), (box_x + box_size, box_y + box_size), object_box_color, 2)
|
66 |
-
|
67 |
# Create a formatted HTML block with the provided information in Portuguese
|
68 |
info_html = """
|
69 |
-
<div style="background-color: #f2f2f2; padding: 10px;">
|
70 |
<h2>Detecção de Catarata</h2>
|
71 |
<p>A catarata é uma das doenças oculares mais graves que pode causar cegueira se não for tratada. A detecção da doença em estágios iniciais, em vez de estágios avançados, pode evitar que o paciente fique cego.</p>
|
72 |
<p>Neste ponto, os pacientes suspeitos devem ser constantemente examinados. O controle contínuo e o acompanhamento dos pacientes são processos cansativos e laboriosos. Por essas razões, neste artigo, são propostos dois modelos de aprendizado profundo diferentes que podem ser usados no diagnóstico e detecção de catarata para auxiliar o trabalho e os procedimentos dos oftalmologistas.</p>
|
73 |
<p>Os modelos de aprendizado profundo propostos foram executados em um conjunto de dados de fundo de olho com sintomas normais e de catarata.</p>
|
|
|
|
|
74 |
</div>
|
75 |
"""
|
76 |
|
|
|
|
|
|
|
|
|
77 |
# Combine the output elements
|
78 |
output = {
|
79 |
"image": output_image,
|
80 |
-
"text": f"Predicted Class: {predicted_class}",
|
81 |
"html": info_html,
|
82 |
}
|
83 |
|
@@ -87,7 +80,7 @@ class ImageClassifierCataract:
|
|
87 |
input_interface = gr.Interface(
|
88 |
fn=self.classify_image,
|
89 |
inputs="image",
|
90 |
-
outputs=["image", "
|
91 |
live=True
|
92 |
)
|
93 |
input_interface.launch()
|
|
|
52 |
class_index = np.argmax(prediction)
|
53 |
predicted_class = self.class_labels[class_index]
|
54 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
55 |
# Create a formatted HTML block with the provided information in Portuguese
|
56 |
info_html = """
|
57 |
+
<div style="background-color: #f2f2f2; padding: 10px; text-align: center;">
|
58 |
<h2>Detecção de Catarata</h2>
|
59 |
<p>A catarata é uma das doenças oculares mais graves que pode causar cegueira se não for tratada. A detecção da doença em estágios iniciais, em vez de estágios avançados, pode evitar que o paciente fique cego.</p>
|
60 |
<p>Neste ponto, os pacientes suspeitos devem ser constantemente examinados. O controle contínuo e o acompanhamento dos pacientes são processos cansativos e laboriosos. Por essas razões, neste artigo, são propostos dois modelos de aprendizado profundo diferentes que podem ser usados no diagnóstico e detecção de catarata para auxiliar o trabalho e os procedimentos dos oftalmologistas.</p>
|
61 |
<p>Os modelos de aprendizado profundo propostos foram executados em um conjunto de dados de fundo de olho com sintomas normais e de catarata.</p>
|
62 |
+
<h3>Resultado da Classificação:</h3>
|
63 |
+
<p><strong>Predicted Class:</strong> {predicted_class}</p>
|
64 |
</div>
|
65 |
"""
|
66 |
|
67 |
+
# Create a copy of the input image for display
|
68 |
+
output_image = input_image[0].copy()
|
69 |
+
output_image = (output_image * 255).astype('uint8')
|
70 |
+
|
71 |
# Combine the output elements
|
72 |
output = {
|
73 |
"image": output_image,
|
|
|
74 |
"html": info_html,
|
75 |
}
|
76 |
|
|
|
80 |
input_interface = gr.Interface(
|
81 |
fn=self.classify_image,
|
82 |
inputs="image",
|
83 |
+
outputs=["image", "html"],
|
84 |
live=True
|
85 |
)
|
86 |
input_interface.launch()
|