Create app.py

app.py

@@ -0,0 +1,198 @@
+# ============================================================
+# app.py : Application Gradio — Détection d'émotions faciales
+# Déployée sur Hugging Face Spaces
+# ============================================================
+
+import gradio as gr
+import numpy as np
+import cv2
+import tensorflow as tf
+import json
+from huggingface_hub import hf_hub_download
+
+# --- Charger le modèle depuis notre repo HuggingFace ---
+print("⏳ Chargement du modèle...")
+model_path = hf_hub_download(
+    repo_id  = "Amadoudllo/emotion-detection-cnn",
+    filename = "best_cnn_model.keras"
+)
+model = tf.keras.models.load_model(model_path)
+print("✅ Modèle chargé !")
+
+# --- Charger le mapping classes ---
+class_path = hf_hub_download(
+    repo_id  = "Amadoudllo/emotion-detection-cnn",
+    filename = "class_indices.json"
+)
+with open(class_path, "r") as f:
+    idx_to_class = json.load(f)
+
+# --- Détecteur de visages Haar Cascade ---
+face_cascade = cv2.CascadeClassifier(
+    cv2.data.haarcascades + "haarcascade_frontalface_default.xml"
+)
+
+# --- Paramètres ---
+IMG_SIZE = 48
+
+# Emojis par émotion
+EMOJIS = {
+    "Angry"    : "😠",
+    "Fear"     : "😨",
+    "Happy"    : "😄",
+    "Neutral"  : "😐",
+    "Sad"      : "😢",
+    "Surprise" : "😲"
+}
+
+def clean_label(label):
+    """ Corrige Suprise → Surprise """
+    return "Surprise" if label == "Suprise" else label
+
+def detect_emotion(image):
+    """
+    Fonction principale appelée à chaque frame webcam ou image uploadée.
+    Reçoit une image RGB → retourne image annotée + scores émotions
+    """
+    if image is None:
+        return None, {}
+
+    # Convertir RGB → BGR pour OpenCV
+    frame = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
+    gray  = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+
+    # --- Détection des visages ---
+    faces = face_cascade.detectMultiScale(
+        gray,
+        scaleFactor=1.1,
+        minNeighbors=5,
+        minSize=(30, 30)
+    )
+
+    # Scores par défaut si aucun visage
+    scores = {
+        f"{EMOJIS.get(clean_label(idx_to_class[str(i)]), '')} {clean_label(idx_to_class[str(i)])}": 0.0
+        for i in range(len(idx_to_class))
+    }
+
+    for (x, y, w, h) in faces:
+
+        # --- Préparer le visage pour le modèle ---
+        roi   = cv2.resize(gray[y:y+h, x:x+w], (IMG_SIZE, IMG_SIZE))
+        inp   = roi.reshape(1, IMG_SIZE, IMG_SIZE, 1).astype("float32") / 255.
+
+        # --- Prédiction ---
+        preds      = model.predict(inp, verbose=0)[0]
+        idx        = np.argmax(preds)
+        emotion    = clean_label(idx_to_class[str(idx)])
+        confidence = preds[idx] * 100
+
+        # Scores pour le graphique Gradio
+        scores = {
+            f"{EMOJIS.get(clean_label(idx_to_class[str(i)]), '')} {clean_label(idx_to_class[str(i)])}": float(preds[i])
+            for i in range(len(preds))
+        }
+
+        # --- Dessiner sur la frame ---
+        cv2.rectangle(frame, (x, y), (x+w, y+h), (102, 126, 234), 2)
+        label = f"{EMOJIS.get(emotion, '')} {emotion} ({confidence:.1f}%)"
+        (tw, th), _ = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.7, 2)
+        cv2.rectangle(frame, (x, y-th-12), (x+tw+10, y), (102, 126, 234), -1)
+        cv2.putText(frame, label, (x+5, y-5),
+                    cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 255), 2)
+
+    # Reconvertir BGR → RGB pour Gradio
+    frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
+
+    return frame_rgb, scores
+
+
+# ============================================================
+# Interface Gradio
+# ============================================================
+
+with gr.Blocks(
+    title="🎭 Détection d'Émotions Faciales",
+    theme=gr.themes.Soft()
+) as demo:
+
+    # --- En-tête ---
+    gr.Markdown("""
+    # 🎭 Détection d'Émotions Faciales en Temps Réel
+    **Modèle CNN from Scratch — 64.44% accuracy — 6 émotions détectées**
+
+    👉 Utilise ta **webcam** ou **uploade une photo** de visage !
+
+    > Modèle entraîné sur Kaggle · Code sur [GitHub](https://github.com/amadoudllo/emotion-detection-cnn)
+    """)
+
+    with gr.Tabs():
+
+        # ── Tab 1 : Webcam temps réel ──
+        with gr.Tab("📷 Webcam Temps Réel"):
+            gr.Markdown("### Active ta webcam et place ton visage devant la caméra")
+
+            with gr.Row():
+                with gr.Column():
+                    webcam = gr.Image(
+                        sources=["webcam"],
+                        streaming=True,
+                        label="Webcam",
+                        mirror_webcam=True
+                    )
+                with gr.Column():
+                    webcam_output = gr.Image(
+                        label="Détection",
+                        streaming=True
+                    )
+                    webcam_scores = gr.Label(
+                        label="Scores par émotion",
+                        num_top_classes=6
+                    )
+
+            # Connexion streaming webcam
+            webcam.stream(
+                fn=detect_emotion,
+                inputs=[webcam],
+                outputs=[webcam_output, webcam_scores]
+            )
+
+        # ── Tab 2 : Upload image ──
+        with gr.Tab("🖼️ Uploader une Image"):
+            gr.Markdown("### Uploade une photo de visage pour analyser l'émotion")
+
+            with gr.Row():
+                with gr.Column():
+                    img_input = gr.Image(
+                        sources=["upload"],
+                        label="Image à analyser",
+                        type="numpy"
+                    )
+                    btn = gr.Button(
+                        "🔍 Détecter l'émotion",
+                        variant="primary"
+                    )
+                with gr.Column():
+                    img_output = gr.Image(label="Résultat")
+                    img_scores = gr.Label(
+                        label="Scores par émotion",
+                        num_top_classes=6
+                    )
+
+            # Bouton déclenche la détection
+            btn.click(
+                fn=detect_emotion,
+                inputs=[img_input],
+                outputs=[img_output, img_scores]
+            )
+
+    # --- Exemples ---
+    gr.Markdown("""
+    ---
+    **Émotions détectées :**
+    😠 Angry · 😨 Fear · 😄 Happy · 😐 Neutral · 😢 Sad · 😲 Surprise
+
+    **Défi IA — Semaine 1** · Construit avec ❤️ par Amadoudllo
+    """)
+
+demo.launch()