Update app.py

app.py

@@ -4,34 +4,37 @@ import numpy as np
 import os
 import warnings
 
-# --- 1. SİNSİ HATALARI SUSTUR / SILENCE ERRORS ---
+# --- 1. SİNSİ HATALARI SUSTUR ---
 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3' 
 warnings.filterwarnings('ignore') 
 
-# --- 2. SAYFA AYARLARI / PAGE CONFIG ---
+# --- 2. SAYFA AYARLARI ---
 st.set_page_config(page_title="Car Logo AI Pro 2026", layout="wide", page_icon="🚗")
 
-# --- 3. VERİ SETİNİ BELLEĞE YÜKLE / LOAD DATASET ---
+# --- 3. VERİ SETİNİ BELLEĞE YÜKLE (Gelişmiş Yol Algılama) ---
 @st.cache_resource
 def load_car_dataset(base_path):
     dataset = []
-    # Klasör yolunu normalize et (Windows/Linux uyumu için)
-    target_path = os.path.normpath(base_path)
-    
-    if os.path.exists(target_path):
-        for root, dirs, files in os.walk(target_path):
-            for file in files:
-                if file.lower().endswith(('.png', '.jpg', '.jpeg')):
-                    full_path = os.path.join(root, file)
-                    img = cv2.imread(full_path, 0)
-                    if img is not None:
-                        dataset.append((full_path, cv2.resize(img, (100, 100))))
+    # Klasör yoksa boş liste dön, hata verme
+    if not os.path.exists(base_path):
+        return dataset
+        
+    for root, dirs, files in os.walk(base_path):
+        for file in files:
+            if file.lower().endswith(('.png', '.jpg', '.jpeg')):
+                full_path = os.path.join(root, file)
+                # OpenCV resim okuma (Gri ton)
+                img = cv2.imread(full_path, 0)
+                if img is not None:
+                    # Hız için önceden boyutlandırıyoruz
+                    dataset.append((full_path, cv2.resize(img, (100, 100))))
     return dataset
 
-# Veri setini yükle
-dataset = load_car_dataset('Car_Logo_Dataset')
+# Hem 'Car_Logo_Dataset' hem de 'dataset' isimlerini kontrol et (Hugging Face uyumu)
+folder_name = 'Car_Logo_Dataset' if os.path.exists('Car_Logo_Dataset') else 'dataset'
+dataset = load_car_dataset(folder_name)
 
-# --- 4. RESİM İŞLEME / IMAGE PROCESSING ---
+# --- 4. RESİM İŞLEME ---
 @st.cache_data
 def process_uploaded_image(file_bytes):
     nparr = np.frombuffer(file_bytes, np.uint8)
@@ -41,89 +44,63 @@ def process_uploaded_image(file_bytes):
     edges = cv2.Canny(gray, 100, 200)
     return img, gray, edges
 
-# --- 5. ARAYÜZ TASARIMI / UI DESIGN ---
-st.title("🚗 Araba Logosu Tanıma Sistemi / Car Logo Recognition")
+# --- 5. ARAYÜZ TASARIMI ---
+st.title("🚗 Araba Logosu Tanıma / Car Logo Recognition")
 st.markdown("---")
 
 col_left, col_right = st.columns([1, 1], gap="large")
 
 with col_left:
-    st.subheader("📤 Yükleme Alanı / Upload Area")
-    
-    # İstediğin özel 200MB uyarısı
-    st.markdown("""
-        <div style="color: #666; font-size: 0.85em; margin-bottom: -10px; font-family: sans-serif;">
-            200MB per file • JPG, PNG, JPEG
-        </div>
-    """, unsafe_allow_html=True)
+    st.subheader("📤 Yükleme / Upload")
+    st.markdown('<div style="color: #666; font-size: 0.85em; margin-bottom: -10px;">200MB per file • JPG, PNG, JPEG</div>', unsafe_allow_html=True)
     
-    uploaded_file = st.file_uploader(
-        "Yeni bir logo seçin / Select a new logo", 
-        type=['jpg', 'png', 'jpeg'],
-        key="main_uploader"
-    )
+    uploaded_file = st.file_uploader("Yeni bir logo seçin / Select a new logo", type=['jpg', 'png', 'jpeg'], key="main_up")
     
-    st.markdown("---")
-
     if uploaded_file:
         raw_img, gray_img, edge_img = process_uploaded_image(uploaded_file.getvalue())
-        st.write("🖼️ **Seçilen Logo / Selected Logo:**")
-        st.image(raw_img, channels="BGR", width=400)
+        st.image(raw_img, channels="BGR", width=400, caption="Seçilen Logo")
 
 with col_right:
-    st.subheader("🎯 Analiz ve Sonuç / Analysis & Result")
-    threshold = st.slider("Hassasiyet / Sensitivity (Threshold)", 0.0, 1.0, 0.20)
+    st.subheader("🎯 Sonuç / Result")
+    # Hassasiyeti biraz düşürdüm (0.15) ki Hugging Face'te daha kolay bulsun
+    threshold = st.slider("Hassasiyet / Sensitivity", 0.0, 1.0, 0.15)
     
     if uploaded_file:
         if st.button("ŞİMDİ TANI / PREDICT NOW", type="primary", use_container_width=True):
-            with st.spinner("32 Marka Taranıyor... / Scanning 32 Brands..."):
-                query = cv2.resize(gray_img, (100, 100))
-                best_score = -1
-                best_path = None
-                
-                for path, temp_img in dataset:
-                    res = cv2.matchTemplate(query, temp_img, cv2.TM_CCOEFF_NORMED)
-                    _, max_val, _, _ = cv2.minMaxLoc(res)
-                    if max_val > best_score:
-                        best_score = max_val
-                        best_path = path
-                
-                # --- AKILLI MARKA İSMİ AYIKLAMA ---
-                if best_path and best_score >= threshold:
-                    st.balloons()
+            if len(dataset) == 0:
+                st.error("Veri seti yüklenemedi! Klasör ismini kontrol edin.")
+            else:
+                with st.spinner("Eşleştiriliyor..."):
+                    query = cv2.resize(gray_img, (100, 100))
+                    best_score = -1
+                    best_path = None
                     
-                    # Yolu parçalarına ayır
-                    parts = os.path.normpath(best_path).split(os.sep)
+                    for path, temp_img in dataset:
+                        res = cv2.matchTemplate(query, temp_img, cv2.TM_CCOEFF_NORMED)
+                        _, max_val, _, _ = cv2.minMaxLoc(res)
+                        if max_val > best_score:
+                            best_score = max_val
+                            best_path = path
                     
-                    # Klasör yapısına göre marka adını bul (Genelde sondan bir önceki parça)
-                    if len(parts) > 1:
-                        raw_brand = parts[-2]
-                        # Eğer üst klasör ismini (Car_Logo_Dataset) aldıysa dosya adına bak
-                        if "DATASET" in raw_brand.upper() or raw_brand == ".":
-                            raw_brand = parts[-1].split('.')[0]
+                    if best_path and best_score >= threshold:
+                        st.balloons()
+                        # Klasör yapısından marka adını çek (Garantili yöntem)
+                        parts = os.path.normpath(best_path).split(os.sep)
+                        # Eğer klasör içindeyse klasör adını, değilse dosya adını al
+                        brand_raw = parts[-2] if len(parts) > 1 and parts[-2].lower() not in [folder_name.lower(), '.'] else parts[-1].split('.')[0]
+                        
+                        brand_name = ''.join([i for i in brand_raw if not i.isdigit() and i not in ['-', '_']]).strip().upper()
+                        
+                        st.success(f"### TAHMİN: **{brand_name}**")
+                        st.metric("Benzerlik", f"%{int(best_score*100)}")
+                        st.image(best_path, width=150)
                     else:
-                        raw_brand = parts[-1].split('.')[0]
+                        st.error("❌ Eşleşme Bulunamadı. Hassasiyeti düşürmeyi deneyin.")
 
-                    # Gereksiz karakterleri ve sayıları temizle
-                    brand_name = ''.join([i for i in raw_brand if not i.isdigit() and i not in ['-', '_']]).strip().upper()
-                    
-                    st.success(f"### TAHMİN / PREDICTION: **{brand_name}**")
-                    st.metric("Benzerlik / Similarity", f"%{int(best_score*100)}")
-                    st.image(best_path, width=150, caption=f"Eşleşen: {brand_name}")
-                else:
-                    st.error("❌ Eşleşme Bulunamadı / Match Not Found")
-
-# --- 6. TEKNİK ANALİZ ---
+# --- 6. TEKNİK DETAYLAR ---
 if uploaded_file:
     st.markdown("---")
-    with st.expander("🔍 Teknik Detaylar / Technical Details"):
-        t1, t2 = st.tabs(["🇹🇷 Türkçe", "🇺🇸 English"])
-        with t1:
-            st.image(edge_img, width=300, caption="Kenar Analizi")
-            st.info(f"Sistem veri setindeki {len(dataset)} referans ile karşılaştırma yaptı.")
-        with t2:
-            st.image(edge_img, width=300, caption="Edge Analysis")
-            st.info(f"System compared with {len(dataset)} reference images.")
-
-# Görsel Stil
-st.markdown("<style>.stMetric { background: #f0f2f6; border-radius: 10px; padding: 10px; }</style>", unsafe_allow_html=True)
+    with st.expander("🔍 Teknik Detaylar"):
+        c1, c2 = st.columns(2)
+        c1.image(edge_img, width=300, caption="Kenar Analizi")
+        c2.image(cv2.resize(gray_img, (100, 100)), caption="AI Girişi")