Update app.py
Browse files
app.py
CHANGED
@@ -39,18 +39,24 @@ max_length = 50 # Ganti sesuai dengan panjang label teks maksimal yang diingink
|
|
39 |
|
40 |
# Function to preprocess the image
|
41 |
def prepare_image(img):
|
42 |
-
|
|
|
|
|
|
|
43 |
img_array = img_to_array(img)
|
44 |
-
|
45 |
-
|
|
|
|
|
|
|
46 |
# Menyusun input_length dan label_length untuk model OCR
|
47 |
input_length = np.ones((img_array.shape[0], 1)) * (img_width // 4) # Sesuaikan dengan input panjang
|
48 |
label_length = np.ones((img_array.shape[0], 1)) * max_length # Example label length
|
49 |
|
50 |
-
#
|
51 |
dummy_label = np.zeros((img_array.shape[0], max_length)) # Input dummy jika model mengharapkan label input
|
52 |
|
53 |
-
# Melakukan prediksi
|
54 |
preds = model.predict([img_array, input_length, label_length, dummy_label]) # Berikan 4 input
|
55 |
pred_texts = decode_batch_predictions(preds)
|
56 |
|
|
|
39 |
|
40 |
# Function to preprocess the image
|
41 |
def prepare_image(img):
|
42 |
+
# Resize gambar sesuai dengan ukuran yang diharapkan oleh model
|
43 |
+
img = img.resize((img_width, img_height)) # Resize to (200, 50)
|
44 |
+
|
45 |
+
# Konversi gambar ke array
|
46 |
img_array = img_to_array(img)
|
47 |
+
|
48 |
+
# Tambahkan dimensi untuk batch (menjadi 1, 50, 200) dan reshape ke bentuk (1, 50, 200, 1)
|
49 |
+
img_array = np.expand_dims(img_array, axis=0) # Tambahkan dimensi untuk batch
|
50 |
+
img_array = np.transpose(img_array, (0, 2, 1, 3)) # Mengubah urutan dimensi menjadi (1, 200, 50, 1)
|
51 |
+
|
52 |
# Menyusun input_length dan label_length untuk model OCR
|
53 |
input_length = np.ones((img_array.shape[0], 1)) * (img_width // 4) # Sesuaikan dengan input panjang
|
54 |
label_length = np.ones((img_array.shape[0], 1)) * max_length # Example label length
|
55 |
|
56 |
+
# Menambahkan input dummy untuk label (jika perlu untuk prediksi)
|
57 |
dummy_label = np.zeros((img_array.shape[0], max_length)) # Input dummy jika model mengharapkan label input
|
58 |
|
59 |
+
# Melakukan prediksi
|
60 |
preds = model.predict([img_array, input_length, label_length, dummy_label]) # Berikan 4 input
|
61 |
pred_texts = decode_batch_predictions(preds)
|
62 |
|