init

app.py

@@ -0,0 +1,55 @@
+import gradio as gr
+from transformers import AutoImageProcessor, AutoModelForObjectDetection
+import torch
+from PIL import Image, ImageDraw
+import matplotlib.pyplot as plt
+import io
+
+# โหลดโมเดลและตัวประมวลผล
+processor = AutoImageProcessor.from_pretrained("0llheaven/Conditional-detr-finetuned")
+model = AutoModelForObjectDetection.from_pretrained("0llheaven/Conditional-detr-finetuned")
+
+def detect_objects(image):
+    # แปลงรูปภาพเป็น RGB หากเป็น grayscale
+    if image.mode != "RGB":
+        image = image.convert("RGB")
+    
+    # เตรียม input สำหรับโมเดล
+    inputs = processor(images=image, return_tensors="pt")
+    outputs = model(**inputs)
+
+    # กรองการทำนายที่มีความแม่นยำมากกว่า 0.5
+    target_sizes = torch.tensor([image.size[::-1]])
+    results = processor.post_process_object_detection(outputs, target_sizes=target_sizes)
+
+    # วาดกรอบรอบวัตถุที่ตรวจพบในภาพ
+    draw = ImageDraw.Draw(image)
+    for result in results:
+        scores = result["scores"]
+        labels = result["labels"]
+        boxes = result["boxes"]
+
+        for score, label, box in zip(scores, labels, boxes):
+            box = [round(i, 2) for i in box.tolist()]
+            label_name = "Pneumonia" if label.item() == 0 else "Other"
+            draw.rectangle(box, outline="red", width=3)
+            draw.text((box[0], box[1]), f"{label_name}: {round(score.item(), 3)}", fill="red")
+    
+    # แปลงภาพเป็นรูปแบบที่สามารถแสดงผลได้ใน Gradio
+    output_image = io.BytesIO()
+    image.save(output_image, format='PNG')
+    output_image.seek(0)
+    
+    return output_image
+
+# สร้างอินเตอร์เฟซด้วย Gradio
+interface = gr.Interface(
+    fn=detect_objects, 
+    inputs=gr.inputs.Image(type="pil"), 
+    outputs=gr.outputs.Image(type="auto"),
+    title="Object Detection with Transformers",
+    description="Upload an image to detect objects using a fine-tuned Conditional-DETR model."
+)
+
+# เปิดใช้งานอินเตอร์เฟซ
+interface.launch()