oomarsaldivar commited on
Commit
60ee93c
·
1 Parent(s): f08c4f6

Upload app.py

Browse files
Files changed (1) hide show
  1. app.py +37 -19
app.py CHANGED
@@ -3,14 +3,14 @@
3
 
4
  # # 1. Pre-procesamiento de datos
5
 
6
- # In[14]:
7
 
8
 
9
  import cv2
10
  import numpy as np
11
 
12
 
13
- # In[15]:
14
 
15
 
16
  def redimensionar(imagenes,tamano):
@@ -21,7 +21,7 @@ def redimensionar(imagenes,tamano):
21
  return imagenes_ajustadas
22
 
23
 
24
- # In[16]:
25
 
26
 
27
  def contraste(imagenes, valor_contraste):
@@ -32,7 +32,7 @@ def contraste(imagenes, valor_contraste):
32
  return imagenes_ajustadas
33
 
34
 
35
- # In[17]:
36
 
37
 
38
  def rasgos(imagenes,width):
@@ -57,7 +57,7 @@ def rasgos(imagenes,width):
57
  return imagenes_ajustadas
58
 
59
 
60
- # In[18]:
61
 
62
 
63
  import gradio as gr
@@ -71,8 +71,13 @@ modelo2 = tf.keras.models.load_model('modeloIA_2.h5')
71
  modelo3 = tf.keras.models.load_model('modeloIA_3.h5')
72
  modelo4 = tf.keras.models.load_model('modeloIA_4.h5')
73
 
 
 
 
 
74
 
75
- # In[27]:
 
76
 
77
 
78
  def ejecutar_modelo(imagen_app):
@@ -90,30 +95,49 @@ def ejecutar_modelo(imagen_app):
90
  resultado1 = int (np.argmax (resultado1, axis=1))
91
 
92
  resultado2 = modelo2.predict(imagen_temporal)
93
- resultado2 = int (np.argmax (resultado2, axis=1))
94
 
95
  resultado3 = modelo3.predict(imagen_temporal)
96
- resultado3 = int (np.argmax (resultado3, axis=1))
97
 
98
  resultado4 = modelo4.predict(imagen_temporal)
99
- resultado4 = int (np.argmax (resultado4, axis=1))
100
 
101
  clase1 = ['armonia', 'ausencia', 'contraste', 'ninguno']
102
  clase2 =['ausencia', 'fragmentacion', 'ninguno', 'unidad']
103
  clase3 = ['ausencia', 'equilibrio', 'inestabilidad', 'ninguno']
104
  clase4 = ['agudeza', 'ausencia', 'difusividad', 'ninguno']
105
 
106
- return clase1 [resultado1], clase2 [resultado2], clase3 [resultado3], clase4 [resultado4]
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
107
 
108
 
109
- # In[28]:
110
 
111
 
112
  gui = gr.Interface (
113
  fn = ejecutar_modelo,
114
  inputs = gr.Image (),
115
- outputs = ["text", "text", "text", "text"],
116
- title ='Evaluador de imagenes usando IA',
 
 
 
117
  )
118
 
119
  gui.launch(inbrowser = True)
@@ -124,9 +148,3 @@ gui.launch(inbrowser = True)
124
 
125
 
126
 
127
-
128
- # In[ ]:
129
-
130
-
131
-
132
-
 
3
 
4
  # # 1. Pre-procesamiento de datos
5
 
6
+ # In[1]:
7
 
8
 
9
  import cv2
10
  import numpy as np
11
 
12
 
13
+ # In[2]:
14
 
15
 
16
  def redimensionar(imagenes,tamano):
 
21
  return imagenes_ajustadas
22
 
23
 
24
+ # In[3]:
25
 
26
 
27
  def contraste(imagenes, valor_contraste):
 
32
  return imagenes_ajustadas
33
 
34
 
35
+ # In[4]:
36
 
37
 
38
  def rasgos(imagenes,width):
 
57
  return imagenes_ajustadas
58
 
59
 
60
+ # In[130]:
61
 
62
 
63
  import gradio as gr
 
71
  modelo3 = tf.keras.models.load_model('modeloIA_3.h5')
72
  modelo4 = tf.keras.models.load_model('modeloIA_4.h5')
73
 
74
+ modelo1v = tf.keras.models.load_model('modeloIA_1v.h5')
75
+ modelo2v = tf.keras.models.load_model('modeloIA_2v.h5')
76
+ modelo3v = tf.keras.models.load_model('modeloIA_3v.h5')
77
+ modelo4v = tf.keras.models.load_model('modeloIA_4v.h5')
78
 
79
+
80
+ # In[131]:
81
 
82
 
83
  def ejecutar_modelo(imagen_app):
 
95
  resultado1 = int (np.argmax (resultado1, axis=1))
96
 
97
  resultado2 = modelo2.predict(imagen_temporal)
98
+ resultado2 = int (np.argmax (resultado2, axis=1))
99
 
100
  resultado3 = modelo3.predict(imagen_temporal)
101
+ resultado3 = int (np.argmax (resultado3, axis=1))
102
 
103
  resultado4 = modelo4.predict(imagen_temporal)
104
+ resultado4 = int (np.argmax (resultado4, axis=1))
105
 
106
  clase1 = ['armonia', 'ausencia', 'contraste', 'ninguno']
107
  clase2 =['ausencia', 'fragmentacion', 'ninguno', 'unidad']
108
  clase3 = ['ausencia', 'equilibrio', 'inestabilidad', 'ninguno']
109
  clase4 = ['agudeza', 'ausencia', 'difusividad', 'ninguno']
110
 
111
+ valor1 = ''
112
+ if clase1[resultado1] != 'ausencia' and clase1[resultado1] != 'ninguno':
113
+ valor1 = ': ' + str(int(np.clip(np.round(modelo1v.predict(imagen_temporal) + 1)[0][0],1,5)))
114
+
115
+ valor2 = ''
116
+ if clase2[resultado2] != 'ausencia' and clase2[resultado2] != 'ninguno':
117
+ valor2 = ': ' + str(int(np.clip(np.round(modelo2v.predict(imagen_temporal) + 1)[0][0],1,5)))
118
+
119
+ valor3 = ''
120
+ if clase3[resultado3] != 'ausencia' and clase3[resultado3] != 'ninguno':
121
+ valor3 = ': ' + str(int(np.clip(np.round(modelo3v.predict(imagen_temporal) + 1)[0][0],1,5)))
122
+
123
+ valor4 = ''
124
+ if clase4[resultado4] != 'ausencia' and clase4[resultado4] != 'ninguno':
125
+ valor4 = ': ' + str(int(np.clip(np.round(modelo4v.predict(imagen_temporal) + 1)[0][0],1,5)))
126
+
127
+ return clase1[resultado1] + valor1, clase2[resultado2] + valor2, clase3[resultado3] + valor3, clase4[resultado4] + valor4
128
 
129
 
130
+ # In[132]:
131
 
132
 
133
  gui = gr.Interface (
134
  fn = ejecutar_modelo,
135
  inputs = gr.Image (),
136
+ outputs = [gr.Label(label='Contraste o armonía:'),
137
+ gr.Label(label='Fragmentación o unidad:'),
138
+ gr.Label(label='Inestabilidad o equilibrio:'),
139
+ gr.Label(label='Difusividad o agudeza:')],
140
+ title ='Evaluador de imágenes usando IA',
141
  )
142
 
143
  gui.launch(inbrowser = True)
 
148
 
149
 
150