File size: 3,474 Bytes
29053ae |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 |
import streamlit as st
import tensorflow as tf
import keras
import numpy as np
from PIL import Image
import requests
from streamlit_lottie import st_lottie
# Funcion para cargar la animacion de lottie
def load_lottieurl(url):
r = requests.get(url)
if r.status_code != 200:
return None
return r.json()
lottie_faces = load_lottieurl("https://lottie.host/7ea78645-0d4e-4648-a015-fb58331ac7d7/47FTHHimCQ.json")
# Load the model
model = tf.keras.models.load_model("/content/modelo_celeba_50e.h5", compile=False)
st.subheader("Machine Learning para Producci贸n - M贸dulo 03")
st.markdown("<h5>Tarea Streamlit</h5>", unsafe_allow_html=True)
st.write("---")
with st.container():
columna_1, columna_2 = st.columns(2)
with columna_1:
st.title("Implementaci贸n CelebA")
st.markdown("<h3>Clasificador de rostros</h3>", unsafe_allow_html=True)
with columna_2:
st_lottie(lottie_faces, height = 200, key= "faces")
st.write("""
CelebA es un conjunto de datos de im谩genes de rostros de celebridades utilizado en inteligencia artificial para entrenar sistemas de reconocimiento facial y otras tareas relacionadas con la visi贸n por computadora. Contiene m谩s de 200,000 im谩genes etiquetadas con atributos como edad, g茅nero y expresi贸n facial. Es ampliamente utilizado por investigadores y desarrolladores en el campo del aprendizaje autom谩tico.
""")
st.write("---")
with st.container():
uploaded_image = st.file_uploader("Cargar imagen")
foto = uploaded_image
with st.container():
column1, column2 = st.columns(2)
if uploaded_image is not None:
with column1:
st.image(foto, use_column_width=True)
with column2:
# Convert the uploaded file to a PIL Image object
image = Image.open(uploaded_image).convert('RGB')
image = image.resize((178,218))
# Convert the PIL Image object to a NumPy array
image = np.array(image)/255.0
image = np.expand_dims(image,axis=0)
# Make a prediction
prediction = model.predict(image)
st.markdown("<h3>Resultados</h3>", unsafe_allow_html=True)
st.markdown("<h5>Atractivo</h5>", unsafe_allow_html=True)
st.write(f"{np.round(prediction[0][0], 2)}%")
if prediction[0][0] >= 0.5:
st.write(f"Es una persona atractiva")
else:
st.write(f"No es alguien tan atractivo")
st.markdown("<h5>Sexo</h5>", unsafe_allow_html=True)
st.write(f"{np.round(prediction[0][1], 2)}%")
if prediction[0][1] >= 0.5:
st.write(f"Es Hombre")
else:
st.write(f"Es Mujer")
st.markdown("<h5>Lentes</h5>", unsafe_allow_html=True)
st.write(f"{np.round(prediction[0][2], 2)}%")
if prediction[0][2] >= 0.5:
st.write(f"Trae lentes")
else:
st.write(f"No trae lentes")
st.markdown("<h5>Bigote / Barba</h5>", unsafe_allow_html=True)
st.write(f"{np.round(prediction[0][3], 2)}%")
if prediction[0][3] >= 0.5:
st.write(f"Tiene un bigote")
else:
st.write(f"No tiene bigote")
else:
pass
st.write("---")
st.write("""
## <font size="4">*Este es un descargo de responsabilidad est谩ndar que puedes personalizar seg煤n tus necesidades. Aqu铆 puedes incluir cualquier informaci贸n relevante, advertencias legales, exenciones de responsabilidad, etc.*</font>
""", unsafe_allow_html=True)
|