Upload 3 files

app.py

@@ -0,0 +1,36 @@
+import streamlit as st
+import numpy as np
+import pandas as pd
+import tensorflow as tf
+from tensorflow.keras.models import load_model
+from PIL import Image
+import os
+
+# Modelin yolu
+MODEL_PATH = r'C:\Users\devop\OneDrive\Masaüstü\Become apro\TGS - Segmentation Models + Albumentations/my_model.h5'  # Model dosyasının yolu
+model = load_model(MODEL_PATH, compile=False)
+
+# Uygulamanın başlığı
+st.title("TGS Tuz Tanımlama Uygulaması")
+
+# Görüntü yükleme
+uploaded_file = st.file_uploader("Bir görüntü yükleyin", type=["png", "jpg", "jpeg"])
+
+if uploaded_file is not None:
+    # Yüklenen görüntüyü oku
+    image = Image.open(uploaded_file).convert("L")  # Gri tonlamaya çevir
+    st.image(image, caption='Yüklenen Görüntü', use_column_width=True)
+
+    # Görüntüyü modelin beklediği boyutlara getir
+    image = image.resize((128, 128))  # Hedef boyut
+    image_array = np.array(image) / 255.0  # Normalize et
+    image_array = np.expand_dims(image_array, axis=0)  # Boyutunu genişlet
+
+    # Tahmin yap
+    if st.button("Tahmin Et"):
+        prediction = model.predict(image_array)
+        prediction = (prediction > 0.5).astype(np.uint8)  # Eşikleme
+        st.image(prediction[0].squeeze(), caption='Tahmin Sonucu', use_column_width=True)
+
+# Kullanıcı için bilgi
+st.write("Bu uygulama, yeraltı hedefinin tuz olup olmadığını belirlemek için eğitilmiş bir model kullanır.")

my_model.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:6570a739aea0d40d8a346996381baed8b87e443bebe3939042eb2c32da7e6073
+size 293966736

requirements.txt

@@ -0,0 +1,12 @@
+streamlit
+tensorflow
+opencv-python
+scikit-learn
+torch
+torchvision
+matplotlib
+transformers
+sentencepiece
+plotly
+xgboost
+joblib