Update app.py

app.py

@@ -1,35 +1,47 @@
 from PIL import Image
 import numpy as np
+import os
 import gradio as gr
 from tensorflow.keras.models import load_model
 
 # Carica il modello salvato in formato Keras .h5
 model = load_model('mio_modello.h5')
 
+# Definire la dimensione target delle immagini (coerente con il training)
+target_size = (64, 64)
+
+# Preprocessare l'immagine come fatto con ImageDataGenerator
 def preprocess_image(image):
-    image = Image.fromarray(image)
-    image = image.resize((64, 64))
-    #image_array = np.array(image) / 255.0  
-    image_array = np.expand_dims(image, axis=0)
+    # Convertire l'immagine in RGB e ridimensionare
+    image = Image.fromarray(image).convert("RGB")
+    image = image.resize(target_size, Image.NEAREST)
+
+    # Convertire l'immagine in array numpy e normalizzare
+    image_array = np.array(image) / 255.0  # Normalizzazione tra 0 e 1
+
+    # Espandere la dimensione per aggiungere la dimensione del batch
+    image_array = np.expand_dims(image_array, axis=0)
+    
     return image_array
 
 # Classificazione: Definire una funzione per fare la predizione con le percentuali di confidenza
 def classify_image(image):
+    # Preprocessare l'immagine
     image_array = preprocess_image(image)
     
-    # Fare la predizione e prendere la prima riga dei risultati
+    # Fare la predizione
     prediction = model.predict(image_array)[0]
     
     # Aggiungi un print per vedere le predizioni grezze
     print(f"Raw model predictions: {prediction}")
     
-    # Verificare che i valori di prediction siano distribuiti correttamente
-    predicted_class_idx = np.argmax(prediction)  # Indice della classe con il punteggio più alto
+    # Indice della classe con il punteggio più alto
+    predicted_class_idx = np.argmax(prediction)
     
     # Classi (Chihuahua o Muffin)
     class_labels = ['Chihuahua', 'Muffin']
 
-    # Verificare quale classe è predetta con il suo punteggio
+    # Verificare la classe predetta con il suo punteggio
     print(f"Predicted class: {class_labels[predicted_class_idx]} with confidence {prediction[predicted_class_idx]}")
     
     # Creare un dizionario con le percentuali di confidenza
@@ -45,3 +57,4 @@ gr.Interface(
     title="Chihuahua vs Muffin Classifier",
     description="Carica un'immagine e scopri se è un Chihuahua o un Muffin, con percentuali di confidenza!"
 ).launch()
+