Update app.py

app.py

@@ -10,32 +10,24 @@ from sklearn.neighbors import NearestNeighbors
 from numpy.linalg import norm
 from PIL import Image
 
-# Sayfa ayarları
+# 1. Sayfa Ayarları
 st.set_page_config(page_title="Moda Öneri Sistemi", layout="centered")
-
-st.markdown("""
-    <style>
-    .stTitle, .stSubheader, p { text-align: center; }
-    .stImage { display: flex; justify-content: center; }
-    </style>
-    """, unsafe_allow_html=True)
-
 st.title('🛍️ Moda Öneri Sistemi')
 
-# Model ve verileri yükle
+# 2. Model ve Verileri Yükleme
 @st.cache_resource
 def load_data():
     base_model = ResNet50(weights='imagenet', include_top=False, input_shape=(224, 224, 3))
     base_model.trainable = False
     model = tf.keras.models.Sequential([base_model, GlobalMaxPool2D()])
     
-    # Pickle dosyalarını yükle
+    # Pickle dosyalarını ana dizinde arıyoruz
     try:
         features = np.array(pkl.load(open('Images_features.pkl', 'rb')))
         filenames = pkl.load(open('filenames.pkl', 'rb'))
         return model, features, filenames
     except Exception as e:
-        st.error(f"Hata: .pkl dosyaları yüklenemedi! {e}")
+        st.error(f"Kritik Hata: .pkl dosyaları bulunamadı! {e}")
         return None, None, None
 
 model, feature_list, filenames = load_data()
@@ -49,19 +41,20 @@ def extract_features(img_path, model):
     norm_result = result / norm(result)
     return norm_result
 
-uploaded_file = st.file_uploader("Kıyafet resmi yükleyin...", type=['jpg', 'png', 'jpeg'])
+# 3. Resim Yükleme
+uploaded_file = st.file_uploader("Bir kıyafet resmi yükleyin...", type=['jpg', 'png', 'jpeg'])
 
 if uploaded_file is not None and model is not None:
-    col1, col2, col3 = st.columns([1, 2, 1])
-    with col2:
-        display_image = Image.open(uploaded_file)
-        st.image(display_image, use_container_width=True, caption='Yüklenen Resim')
+    # Seçilen resmi göster
+    display_image = Image.open(uploaded_file)
+    st.image(display_image, width=300, caption='Yüklediğiniz Resim')
     
     temp_path = "temp_upload.jpg"
     with open(temp_path, "wb") as f:
         f.write(uploaded_file.getbuffer())
     
-    with st.spinner('Benzerler bulunuyor...'):
+    # Benzerleri Bul
+    with st.spinner('Öneriler hazırlanıyor...'):
         input_features = extract_features(temp_path, model)
         neighbors = NearestNeighbors(n_neighbors=6, algorithm='brute', metric='euclidean')
         neighbors.fit(feature_list)
@@ -72,25 +65,25 @@ if uploaded_file is not None and model is not None:
     
     cols = st.columns(5)
     
-    # RESİM ARAMA MANTIĞI (Kritik Bölüm)
+    # 4. RESİM GÖSTERME MANTIĞI (En Kritik Kısım)
+    # 'images' klasöründeki tüm dosyaları tarayıp küçük harfe çeviriyoruz
     image_folder = 'images'
-    # Klasördeki tüm resimleri küçük harfe duyarlı olmadan listele
     if os.path.exists(image_folder):
+        # Klasördeki gerçek dosya isimlerini bir sözlüğe alıyoruz
         actual_files = {f.lower(): f for f in os.listdir(image_folder)}
     else:
         actual_files = {}
-        st.error("Hata: 'images' klasörü bulunamadı!")
+        st.error("'images' klasörü bulunamadı!")
 
     for i in range(1, 6):
         with cols[i-1]:
-            # Windows yolunu temizle (Örn: 'C:\\...\\10835.jpg' -> '10835.jpg')
-            full_path = filenames[indices[0][i]].replace('\\', '/')
-            img_name = os.path.basename(full_path).lower()
+            # Pickle'dan gelen yolu temizle (Windows yolunu Linux'a çevir)
+            raw_path = filenames[indices[0][i]].replace('\\', '/')
+            img_name = os.path.basename(raw_path).lower() # Sadece '10448.jpg' kısmını alır
             
-            # Klasörde bu isimde dosya var mı kontrol et
+            # Klasörde bu dosya var mı bak
             if img_name in actual_files:
-                real_path = os.path.join(image_folder, actual_files[img_name])
-                st.image(real_path, use_container_width=True)
+                final_img_path = os.path.join(image_folder, actual_files[img_name])
+                st.image(final_img_path, use_container_width=True)
             else:
-                st.warning(f"Eksik:\n{img_name}")
-                
+                st.warning(f"Eksik:\n{img_name}")