Spaces:
Runtime error
Runtime error
File size: 4,307 Bytes
18f06de ebddd45 18f06de ebddd45 18f06de |
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 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 |
import os
import time
import streamlit as st
from PIL import Image
import numpy as np
from tensorflow.keras.preprocessing.image import ImageDataGenerator # type: ignore
from tensorflow.keras.models import load_model # type: ignore
from tensorflow.keras.preprocessing import image # type: ignore
def Get_Information(predicted_name):
# Đường dẫn đến thư mục 'Dataset/Train'
train_dir = 'Dataset/Train'
# Duyệt qua mỗi lớp trong thư mục 'Dataset/Train'
for class_name in class_names:
# Nếu class_name không phải là predicted_name, tiếp tục vòng lặp
if class_name != predicted_name:
continue
# Đường dẫn đến tệp 'information.text' trong thư mục của lớp
info_file_path = os.path.join(train_dir, class_name, 'information.text')
# Kiểm tra xem tệp 'information.text' có tồn tại không
if os.path.exists(info_file_path):
# Đọc nội dung của tệp
with open(info_file_path, 'r', encoding='utf-8') as f:
info_text = f.read()
return info_text
else:
return f"Không tìm thấy tệp 'information.text' trong thư mục của lớp '{class_name}'."
def Get_Notes(predicted_name):
# Đường dẫn đến thư mục 'Dataset/Train'
train_dir = 'Dataset/Train'
# Duyệt qua mỗi lớp trong thư mục 'Dataset/Train'
for class_name in class_names:
# Nếu class_name không phải là predicted_name, tiếp tục vòng lặp
if class_name != predicted_name:
continue
# Đường dẫn đến tệp 'notes.info' trong thư mục của lớp
info_file_path = os.path.join(train_dir, class_name, 'notes.info')
# Kiểm tra xem tệp 'notes.info' có tồn tại không
if os.path.exists(info_file_path):
# Đọc nội dung của tệp
with open(info_file_path, 'r', encoding='utf-8') as f:
info_text = f.read()
return info_text
else:
return f"Không tìm thấy tệp 'notes.info' trong thư mục của lớp '{class_name}'."
# Tải mô hình
model = load_model('Model.keras')
# Khởi tạo ImageDataGenerator
datagen = ImageDataGenerator(rescale=1./255)
# Tải dữ liệu từ thư mục 'Dataset/Train'
train_data = datagen.flow_from_directory(
'Dataset/Train',
target_size=(224, 224),
batch_size=32,
class_mode='categorical'
)
# Get the dictionary of class indices
class_indices = train_data.class_indices
# Get the list of class names
class_names = list(class_indices.keys())
st.title("Nhận diện và tra cứu thông tin động vật quý hiếm thông qua học sâu")
uploaded_file = st.sidebar.file_uploader("Hoặc chọn một hình ảnh từ máy tính của bạn", type=['jpg', 'png'])
photo = st.camera_input("Chụp một bức ảnh")
if uploaded_file is not None or photo is not None:
if photo is not None:
img = Image.open(photo)
else:
img = Image.open(uploaded_file)
st.image(img, caption='Hình ảnh đã tải lên.', use_column_width=True)
img = img.resize((224, 224))
# Convert the image to a numpy array
img_array = image.img_to_array(img)
# Add a third dimension (for batch size), and rescale pixel values to [0, 1]
img_array = np.expand_dims(img_array, axis=0)
img_array /= 255.
with st.spinner('Đang xử lý...'):
# Use the model to predict the image's label
predictions = model.predict(img_array)
time.sleep(3)
# The output of the model is a 2D array, with shape (1, num_classes).
# To get the predicted label, we get the index of the maximum value in the array.
predicted_label = np.argmax(predictions)
# Use the predicted label to get the class name
predicted_class_name = class_names[predicted_label]
st.write("Độ Chính Xác")
st.bar_chart(predictions)
st.write("`ID: " + str(predicted_label) + "`")
st.write("## Tên: " + predicted_class_name)
st.markdown(Get_Notes(predicted_class_name))
with st.expander("Xem thông tin chi tiết"):
st.markdown(Get_Information(predicted_class_name))
|