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 객체가 아닌 경우 변환
    if not isinstance(uploaded_image, Image.Image):
        try:
            # 업로드된 이미지 데이터를 PIL 이미지 객체로 변환
            uploaded_image = Image.open(io.BytesIO(uploaded_image))
        except Exception as e:
            # 변환 중 발생한 오류 처리
            raise ValueError("Cannot convert the uploaded image to a PIL Image object: " + str(e))
    
    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.")

# 인터페이스 실행
iface.launch()