app.py

app.py

@@ -0,0 +1,50 @@
+import gradio as gr
+import cv2
+import numpy as np
+from tensorflow.keras.models import load_model
+from tensorflow.keras.applications.mobilenet_v2 import preprocess_input
+import os
+
+# Rutas relativas dentro del *Space* en Hugging Face
+code_path = os.getcwd()  # Obtiene el directorio actual donde está el script
+models_path = os.path.join(code_path, 'models')
+haarcascade_path = os.path.join(code_path, 'haarcascades', 'haarcascade_frontalface_default.xml')
+
+# Verificar si el archivo Haar Cascade existe
+if not os.path.exists(haarcascade_path):
+    print(f'No se encontró el archivo Haar Cascade en {haarcascade_path}. Asegúrate de subirlo correctamente.')
+    exit()
+
+# Cargar el clasificador Haar Cascade para detección de rostros
+face_cascade = cv2.CascadeClassifier(haarcascade_path)
+
+# Cargar el modelo entrenado
+modelo_guardado = os.path.join(models_path, 'modelo_estimacion_edad_mejor.h5')
+if not os.path.exists(modelo_guardado):
+    print(f'No se encontró el modelo en {modelo_guardado}. Por favor, entrena el modelo primero.')
+    exit()
+
+modelo = load_model(modelo_guardado)
+print('Modelo cargado exitosamente.')
+
+# Función para realizar la predicción
+def estimar_edad(image):
+    # Convertir imagen a formato adecuado
+    rostro_resized = cv2.resize(image, (128, 128))
+    rostro_rgb = cv2.cvtColor(rostro_resized, cv2.COLOR_BGR2RGB)
+    rostro_expanded = np.expand_dims(rostro_rgb, axis=0)
+    rostro_preprocessed = preprocess_input(rostro_expanded)
+
+    # Realizar la predicción de edad
+    edad_predicha = modelo.predict(rostro_preprocessed)[0][0]
+    edad_predicha = round(edad_predicha, 2)
+    return edad_predicha
+
+# Crear interfaz con Gradio
+interface = gr.Interface(fn=estimar_edad,
+                         inputs=gr.inputs.Image(type="numpy"),  # Entrada de imagen
+                         outputs="text",  # Salida del texto de la edad
+                         live=True)
+
+# Lanzar la interfaz
+interface.launch()