Spaces:
Sleeping
Sleeping
File size: 1,292 Bytes
adf2111 3639873 0596f27 da33e50 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 |
import gradio as gr
import tensorflow as tf
import numpy as np
import cv2
import datetime
# Carregue o modelo treinado
model_path = 'modelo_treinado.h5'
model = tf.keras.models.load_model(model_path)
class_labels = ["Normal", "Cataract"]
def classify_image(input_image):
# Redimensione a imagem de entrada para o tamanho esperado pelo modelo
input_image = tf.image.resize(input_image, (192, 256))
input_image = (input_image / 255.0)
input_image = np.expand_dims(input_image, axis=0)
# Faça a previsão
prediction = model.predict(input_image)
class_index = np.argmax(prediction)
predicted_class = class_labels[class_index]
# Crie uma cópia da imagem de entrada para exibir
output_image = input_image[0].copy()
output_image = (output_image * 255).astype('uint8')
# Desenhe uma caixa de detecção na imagem
cv2.putText(output_image, predicted_class, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
timestamp = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
cv2.putText(output_image, timestamp, (10, 60), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
return output_image
# Configurar a interface Gradio
gr.Interface(
fn=classify_image,
inputs="image",
outputs="image",
live=True
).launch()
|