app.py

import gradio as gr
from transformers import pipeline
from PIL import Image
import io

# 이미지 인식 파이프라인 로드
model = pipeline("image-classification", model="google/vit-base-patch16-224")

def classify_image(uploaded_image):
    # 업로드된 이미지가 PIL 이미지 객체인지 확인 (Gradio는 자동으로 PIL 이미지 객체로 변환)
    if not isinstance(uploaded_image, Image.Image):
        raise ValueError("Uploaded image is not in the correct format.")
    
    predictions = model(uploaded_image)
    return {prediction['label']: prediction['score'] for prediction in predictions}

# Gradio 인터페이스 생성
iface = gr.Interface(fn=classify_image,
                     inputs=gr.Image(),
                     outputs=gr.Label(num_top_classes=3),
                     title="이미지 분류기",
                     description="이미지를 업로드하면, 사물을 인식하고 최상위 3개의 분류 결과를 출력합니다.",
                     share=True)  # Public link 생성

# 인터페이스 실행
iface.launch()