Spaces:
Runtime error
Runtime error
Update app.py
Browse files
app.py
CHANGED
|
@@ -1,7 +1,14 @@
|
|
| 1 |
import gradio as gr
|
|
|
|
|
|
|
|
|
|
| 2 |
from huggingface_hub import hf_hub_download
|
|
|
|
|
|
|
| 3 |
model_path = hf_hub_download(repo_id="Bmo411/DenoisingAutoencoder", filename="autoencoder_complete_model_Fourier.keras")
|
| 4 |
-
|
|
|
|
|
|
|
| 5 |
|
| 6 |
def degrade_image(image, downscale_factor=4):
|
| 7 |
"""Reduce la calidad de la imagen reduciendo su tamaño y volviéndola a escalar."""
|
|
@@ -35,10 +42,31 @@ def preprocess_image(image, std_dev=0.1, downscale_factor=4, target_size=(256, 2
|
|
| 35 |
return noisy_img
|
| 36 |
|
| 37 |
def Denoiser(imagen):
|
| 38 |
-
|
| 39 |
-
image = preprocess_image(imagen)
|
| 40 |
-
reconstruct = model.predict(image)
|
| 41 |
-
return image,recostruct
|
| 42 |
|
| 43 |
-
|
| 44 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
import gradio as gr
|
| 2 |
+
import tensorflow as tf
|
| 3 |
+
import numpy as np
|
| 4 |
+
import cv2 # Faltaba importar OpenCV
|
| 5 |
from huggingface_hub import hf_hub_download
|
| 6 |
+
|
| 7 |
+
# Descargar modelo desde Hugging Face
|
| 8 |
model_path = hf_hub_download(repo_id="Bmo411/DenoisingAutoencoder", filename="autoencoder_complete_model_Fourier.keras")
|
| 9 |
+
|
| 10 |
+
# Cargar el modelo una sola vez para evitar recargas en cada ejecución
|
| 11 |
+
model = tf.keras.models.load_model(model_path, compile=True)
|
| 12 |
|
| 13 |
def degrade_image(image, downscale_factor=4):
|
| 14 |
"""Reduce la calidad de la imagen reduciendo su tamaño y volviéndola a escalar."""
|
|
|
|
| 42 |
return noisy_img
|
| 43 |
|
| 44 |
def Denoiser(imagen):
|
| 45 |
+
"""Aplica el modelo autoencoder para eliminar ruido de la imagen."""
|
|
|
|
|
|
|
|
|
|
| 46 |
|
| 47 |
+
# Convertir imagen de entrada a array NumPy y asegurarse de que está en formato correcto
|
| 48 |
+
imagen = np.array(imagen) # Convertir de PIL a NumPy
|
| 49 |
+
|
| 50 |
+
# Preprocesar imagen (degradarla y agregar ruido)
|
| 51 |
+
noisy_image = preprocess_image(imagen)
|
| 52 |
+
|
| 53 |
+
# Expandir dimensiones para que tenga el formato correcto para el modelo (batch_size, h, w, c)
|
| 54 |
+
noisy_image_input = np.expand_dims(noisy_image, axis=0)
|
| 55 |
+
|
| 56 |
+
# Predecir con el autoencoder
|
| 57 |
+
reconstructed = model.predict(noisy_image_input)[0] # Quitar batch_size
|
| 58 |
+
|
| 59 |
+
return noisy_image, reconstructed
|
| 60 |
+
|
| 61 |
+
# Crear interfaz en Gradio con dos salidas de imagen
|
| 62 |
+
demo = gr.Interface(
|
| 63 |
+
fn=Denoiser,
|
| 64 |
+
inputs=gr.Image(type="numpy"), # Para que Gradio pase la imagen como un array de NumPy
|
| 65 |
+
outputs=[gr.Image(type="numpy", label="Imagen con Ruido"),
|
| 66 |
+
gr.Image(type="numpy", label="Imagen Restaurada")],
|
| 67 |
+
title="Autoencoder para Denoising",
|
| 68 |
+
description="Este modelo de autoencoder reduce el ruido en imágenes. Sube una imagen y el modelo generará una versión restaurada."
|
| 69 |
+
)
|
| 70 |
+
|
| 71 |
+
# Lanzar la aplicación en Gradio
|
| 72 |
+
demo.launch()
|