Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
@@ -25,11 +25,12 @@ def image_classifier(inp):
|
|
25 |
return result
|
26 |
|
27 |
app = gr.Interface(
|
28 |
-
fn=
|
29 |
inputs=gr.inputs.Image(shape=(150, 150)),
|
30 |
outputs="label",
|
31 |
examples=["img/"+img for img in os.listdir("img")],
|
32 |
title="Identificador Experimental de Lesões de Pele",
|
33 |
description="<b><i>Aviso Legal: Este trabalho faz parte de um projeto educacional. Não se destina a aplicações clínicas. Portanto, não pode fazer previsões reais sobre lesões de pele. Para obter recomendações sobre lesões de pele, consulte um dermatologista ou especialista qualificado.</i></b><br><br>Repositório do código: <a href='https://github.com/bsenst/capstone1-skin-lesion-classifier'>https://github.com/bsenst/capstone1-skin-lesion-classifier</a><br><br>O conjunto de dados está disponível sob a licença CC BY-NC-SA 4.0 e pode ser encontrado aqui: <a href='https://www.kaggle.com/datasets/kmader/skin-cancer-mnist-ham10000'>https://www.kaggle.com/datasets/kmader/skin-cancer-mnist-ham10000</a><br><br>O modelo de rede neural rotula imagens usando as seguintes classes: Queratoses actínicas e carcinoma intraepitelial / doença de Bowen (akiec), carcinoma basocelular (bcc), lesões benignas semelhantes a queratose (lentigos solares / queratoses seborreicas e queratoses semelhantes ao líquen, bkl), dermatofibroma (df), melanoma (mel), nevos melanocíticos (nv) e lesões vasculares (angiomas, angiocratomas, granulomas piogênicos e hemorragia, vasc)",
|
34 |
)
|
35 |
-
|
|
|
|
25 |
return result
|
26 |
|
27 |
app = gr.Interface(
|
28 |
+
fn=image_classifier,
|
29 |
inputs=gr.inputs.Image(shape=(150, 150)),
|
30 |
outputs="label",
|
31 |
examples=["img/"+img for img in os.listdir("img")],
|
32 |
title="Identificador Experimental de Lesões de Pele",
|
33 |
description="<b><i>Aviso Legal: Este trabalho faz parte de um projeto educacional. Não se destina a aplicações clínicas. Portanto, não pode fazer previsões reais sobre lesões de pele. Para obter recomendações sobre lesões de pele, consulte um dermatologista ou especialista qualificado.</i></b><br><br>Repositório do código: <a href='https://github.com/bsenst/capstone1-skin-lesion-classifier'>https://github.com/bsenst/capstone1-skin-lesion-classifier</a><br><br>O conjunto de dados está disponível sob a licença CC BY-NC-SA 4.0 e pode ser encontrado aqui: <a href='https://www.kaggle.com/datasets/kmader/skin-cancer-mnist-ham10000'>https://www.kaggle.com/datasets/kmader/skin-cancer-mnist-ham10000</a><br><br>O modelo de rede neural rotula imagens usando as seguintes classes: Queratoses actínicas e carcinoma intraepitelial / doença de Bowen (akiec), carcinoma basocelular (bcc), lesões benignas semelhantes a queratose (lentigos solares / queratoses seborreicas e queratoses semelhantes ao líquen, bkl), dermatofibroma (df), melanoma (mel), nevos melanocíticos (nv) e lesões vasculares (angiomas, angiocratomas, granulomas piogênicos e hemorragia, vasc)",
|
34 |
)
|
35 |
+
|
36 |
+
app.launch()
|