Update app.py

app.py

@@ -12,9 +12,9 @@ def detect(img):
     prediction = np.around(model.predict(img)[0], decimals=0)[0]
 
     if prediction == 1:
-        return "Pneumonia Not Detected!"
+        return "Pneumonia Detected!"
 
-    return "Pneumonia Detected!"
+    return "Pneumonia Not Detected!"
 
 
 input = gr.inputs.Image(shape=(100, 100))
@@ -27,29 +27,3 @@ title = "PneumoDetect: Pneumonia Detection from Chest X-Rays"
 
 iface = gr.Interface(fn=detect, inputs=input, outputs="text", examples=examples, examples_per_page=20, title=title)
 iface.launch(inline=False)
-
-
-# model_name = "Horus7/kaduce"  # Remplacez par le nom de votre modèle Hugging Face
-
-# # tokenizer = AutoTokenizer.from_pretrained(model_name)
-# model = AutoModelForSequenceClassification.from_pretrained(model_name)
-# def predict(image):
-#     # Prétraiter l'image (vous pouvez adapter cela en fonction des besoins de votre modèle)
-#     preprocessed_image = preprocess_image(image)
-
-#     # Faire une prédiction avec le modèle
-#     prediction = model.predict(preprocessed_image)
-
-#     # Renvoyer la prédiction
-#     return prediction
-
-# # Fonction pour prétraiter l'image avant la prédiction
-# def preprocess_image(image):
-#     # Effectuer les étapes de prétraitement nécessaires pour votre modèle (redimensionnement, normalisation, etc.)
-#     return image
-
-# # Interface Gradio
-# inputs = gr.inputs.Image()  # Entrée : une image
-# outputs = gr.outputs.Label()  # Sortie : une étiquette
-
-# gr.Interface(fn=predict, inputs=inputs, outputs=outputs).launch()