Upload . with huggingface_hub

.gitignore

@@ -0,0 +1 @@
+.space

.space/README

@@ -0,0 +1 @@
+Don't commit this folder (.space) to git as it may contain security-sensitive data.

.space/meta

@@ -0,0 +1 @@
+{"id":"e0dJkRg93coB","name":"Patacotron","alias":"patacotron"}

.streamlit/config.toml

@@ -0,0 +1,6 @@
+[theme]
+primaryColor="#3d2c2c"
+backgroundColor="#d29213"
+secondaryBackgroundColor="#b7b791"
+textColor="#604747"
+

Patacotrón.py

@@ -0,0 +1,29 @@
+import streamlit as st
+
+st.set_page_config(
+    page_title = 'Patacotrón',
+    layout= 'wide',
+    initial_sidebar_state = 'collapsed',
+    menu_items = {
+        "About" : 'Proyecto ideado para la investigación de "Clasificación de imágenes de una sola clase con algortimos de Inteligencia Artificial".',
+        "Report a Bug" : 'https://docs.google.com/forms/d/e/1FAIpQLScH0ZxAV8aSqs7TPYi86u0nkxvQG3iuHCStWNB-BoQnSW2V0g/viewform?usp=sf_link'
+    }
+)
+
+st.title("Patacotrón™: Página principal")
+
+st.markdown(
+    """
+    Patacotrón es un proyecto desarrollado simultáneamente con una investigación sobre "Clasificación de imágenes de una sola clase con algoritmos de Inteligencia
+    Artificial".
+
+    Su función es clasificar patacones como clase positiva, y objetos anómalos como clase 
+    negativa, esta página permite usar diferentes modelos (y unirlos para sacar el promedio 
+    de varias predicciones) y reportar errores, además de entender cómo se clasificaron según 
+    su eficacia.
+
+    Repositorio del proyecto: https://github.com/frncscp/ptctrn
+    
+    Ante cualquier error o bug que presente la página, por favor, entre al ícono de las tres barras ubicado arriba a la izquierda y presione "Report a Bug"
+"""
+)

Spacefile

@@ -0,0 +1,7 @@
+# Spacefile Docs: https://go.deta.dev/docs/spacefile/v0
+v: 0
+micros:
+  - name: Patacotron
+    src: Patacotrón.py
+    engine: python3.9
+    primary: true

models/ptctrn_v1.5.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:7bd5173455ce4677eab79f82602b3eeed313f8d4b141f1769fdb2b4339379e72
+size 33410336

models/ptctrn_v1.6.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:2ca3c1ae258fdc53c450c631aa6644a9d99d03bfa90a91ab0b87fa783b77c165
+size 48283832

models/ptctrn_v1.8.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:e18f1c1fe84686a08e462c4e32b0f9d0b57c93e9792c7ca763c516101ce3a397
+size 104925176

models/ptctrn_v1.9.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:49176cf2d8b230081ef9ad25aa189e8734f550aa23e0525ed2bfc4852ae7da0f
+size 53272040

pages/Entorno de Ejecución.py

@@ -0,0 +1,96 @@
+import streamlit as st
+
+import streamlit as st
+import tensorflow as tf
+import numpy as np
+from keras.models import load_model
+from tensorflow.keras.backend import clear_session
+import cv2
+import os
+
+st.set_page_config(
+    page_title = 'Patacotrón',
+    layout= 'wide',
+    initial_sidebar_state = 'collapsed',
+    menu_items = {
+        "About" : 'Proyecto ideado para la investigación de "Clasificación de imágenes de una sola clase con algortimos de Inteligencia Artificial".',
+        "Report a Bug" : 'https://docs.google.com/forms/d/e/1FAIpQLScH0ZxAV8aSqs7TPYi86u0nkxvQG3iuHCStWNB-BoQnSW2V0g/viewform?usp=sf_link'
+    }
+)
+
+
+st.title("Entorno de ejecución")
+st.markdown("Los modelos no están en orden de eficacia, sino en orden de creación. En la pestaña de Estadísticas podrá encontrar más información.")
+
+DIR = 'D:\ptctrn\modelos\models'
+models = os.listdir(DIR)
+
+model_dict = dict()
+#for model in models:
+#    model_name = model.split(DIR)
+#    model_dict[model_name] = 0
+#model_list = []
+
+for model in models:
+    model_name = model.split(DIR)
+    model_name = str(model.split('.h5')[0])
+    model_dir = os.path.join(DIR, model)
+    model_dict[model_name] = model_dir
+    #model_list.append(os.path.join(DIR, model))
+
+# Create a dropdown menu to select the model
+model_choice = st.multiselect("Seleccione un modelo de clasificación", model_dict.keys())
+
+selected_models = []
+for model in model_choice:
+    selected_models.append(model)
+
+def ensemble_model(model_list, img):
+    average = len(model_list)
+    y_gorrito = np.zeros((1, 1))
+    for model in model_list:
+        instance_model = load_model(model_dict[model])
+        y_gorrito += float(instance_model.predict(np.expand_dims(img, 0)))
+        clear_session()
+    return y_gorrito/average
+
+# Set the image dimensions
+IMAGE_WIDTH = IMAGE_HEIGHT = 224
+
+# Create a file uploader widget
+uploaded_file = st.file_uploader("Elige una imagen...", type= ['jpg','png', 'jpeg', 'jfif', 'webp', 'heic'])
+
+if uploaded_file is not None:
+    # Load the image and resize it to the required dimensions
+    img = np.frombuffer(uploaded_file.read(), np.uint8)
+    img = cv2.imdecode(img, cv2.IMREAD_COLOR)
+    raw_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
+    img = cv2.resize(img, (IMAGE_WIDTH, IMAGE_HEIGHT))
+
+    # Convert the image to RGB and preprocess it for the model
+    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
+    img = img / 255
+
+    # Pass the image to the model and get the prediction
+    with st.spinner('Cargando predicción...'):
+        y_gorrito = ensemble_model(selected_models, img)
+    #y_gorrito = model.predict(np.expand_dims(img, 0))
+
+    # Show the image
+    col1, col2, col3 = st.columns(3)
+
+    with col1:
+        st.write(' ')
+
+    with col2:
+        #check_type = isinstance(y_gorrito, (int, float))
+        #if not check_type:
+            #st.write('No se ha escogido ningún modelo.')
+    #else:
+        st.write(f'La probabilidad de que la imagen tenga un patacón es del: {round(float(y_gorrito), 2)*100}%')
+        st.write('Si los resultados no fueron los esperados, por favor, despliga la barra lateral y entra al botón "Report a Bug"')
+        st.image(raw_img)
+
+    with col3:
+        st.write(' ')
+

pages/Estadísticas.py

@@ -0,0 +1,36 @@
+import streamlit as st
+
+st.set_page_config(
+    page_title = 'Patacotrón',
+    layout= 'wide',
+    initial_sidebar_state = 'collapsed',
+    menu_items = {
+        "About" : 'Proyecto ideado para la investigación de "Clasificación de imágenes de una sola clase con algortimos de Inteligencia Artificial".',
+        "Report a Bug" : 'https://docs.google.com/forms/d/e/1FAIpQLScH0ZxAV8aSqs7TPYi86u0nkxvQG3iuHCStWNB-BoQnSW2V0g/viewform?usp=sf_link'
+    }
+)
+
+st.title("Estadísticas")
+
+col1, col2, col3 = st.columns(3)
+
+with col1:
+    statistics = 'statistics.jpg'
+    st.image(statistics)
+
+with col2:
+    st.write('Se usaron 4 carpetas distintas que suman +15000 archivos: ')
+    st.write('Patacón-True/Frames: imágenes de patacones.')
+    st.write('Bias/Almost-Patacón: objetos similares a patacones.')
+    st.write('La eficiencia fue formulada de la siguiente manera: ')
+    st.write('Para clases positivas: ')
+    st.latex(r'''E = \frac{(S * {S}')+(P * {P}')}{{S}'+{P}'}''')
+    st.write('Para clases negativas: ')
+    st.latex(r'''E = \frac{(S * {S}')+((1-P) * {P}')}{{S}'+{P}'}''')
+
+with col3:
+    st.write('Donde:')
+    st.write('S es la puntuación (score) normalizada entre 0 y 1, donde por cada imagen sumaba un punto y por cada falso positivo se le restaba otro. La franja para predecir la clase como positiva fue de encima del 80%')
+    st.write('P es la predicción promedio entre 0 y 1 para todas las imágenes de la carpeta.')
+    st.write("S′ y P′ son los pesos para cada variable, en este caso, la predicción tuvo un peso de 1.2")
+    st.write("El rango de la fórmula es de [0, 1), representando 1 un modelo con la mayor eficiencia posible que generaliza bien y es igualmente bueno para predecir clases positivas y anómalas. ")