Update app.py

app.py

@@ -2,6 +2,80 @@ import gradio as gr
 import tensorflow as tf
 import numpy as np
 import matplotlib.pyplot as plt
+from matplotlib.figure import Figure
+
+# Charger ton modèle
+model = tf.keras.models.load_model("MobileNetV2_UL_ML_c3_l0_acc88_auc94_20251007_170519.keras")
+
+# Classes
+classes = ["Cubisme", "Expressionnisme", "Post-impressionnisme"]
+
+# Fonction de prédiction avec graphique personnalisé
+def predire(image):
+    # Prédiction
+    image_resized = tf.image.resize(image, (224, 224)) / 255.0
+    preds = model.predict(tf.expand_dims(image_resized, axis=0))[0]
+    
+    # Créer le graphique avec matplotlib
+    fig = Figure(figsize=(10, 6))
+    ax = fig.add_subplot(111)
+    
+    # Trier par probabilité décroissante
+    sorted_indices = np.argsort(preds)[::-1]
+    sorted_classes = [classes[i] for i in sorted_indices]
+    sorted_probs = [preds[i] for i in sorted_indices]
+    
+    # Définir les couleurs : vert si > 50%, bleu sinon
+    colors = ['#2ecc71' if prob > 0.5 else '#3498db' for prob in sorted_probs]
+    
+    # Créer le bar plot horizontal
+    bars = ax.barh(sorted_classes, sorted_probs, color=colors, edgecolor='black', linewidth=1.5)
+    
+    # Ajouter les pourcentages sur les barres
+    for i, (bar, prob) in enumerate(zip(bars, sorted_probs)):
+        width = bar.get_width()
+        label_x = width + 0.02 if width < 0.9 else width - 0.02
+        ha = 'left' if width < 0.9 else 'right'
+        text_color = 'black' if width < 0.9 else 'white'
+        ax.text(label_x, bar.get_y() + bar.get_height()/2, 
+                f'{prob*100:.1f}%', 
+                ha=ha, va='center', fontsize=12, fontweight='bold', color=text_color)
+    
+    # Configuration du graphique
+    ax.set_xlabel('Probabilité', fontsize=12, fontweight='bold')
+    ax.set_xlim(0, 1.0)
+    ax.set_title('Probabilités par mouvement pictural', fontsize=14, fontweight='bold', pad=20)
+    ax.grid(axis='x', alpha=0.3, linestyle='--')
+    ax.set_axisbelow(True)
+    
+    # Légende
+    from matplotlib.patches import Patch
+    legend_elements = [
+        Patch(facecolor='#2ecc71', edgecolor='black', label='> 50%'),
+        Patch(facecolor='#3498db', edgecolor='black', label='≤ 50%')
+    ]
+    ax.legend(handles=legend_elements, loc='lower right', fontsize=10)
+    
+    fig.tight_layout()
+    
+    return fig
+
+# Interface Gradio
+demo = gr.Interface(
+    fn=predire,
+    inputs=gr.Image(type="numpy", label="Importer une œuvre"),
+    outputs=gr.Plot(label="Résultats de la classification"),
+    title="🎨 Classification de style pictural",
+    description="Upload une image et découvre le mouvement pictural estimé par le CNN. Les barres vertes indiquent une probabilité supérieure à 50%.",
+    examples=None,
+    theme=gr.themes.Soft()
+)
+
+demo.launch()
+"""import gradio as gr
+import tensorflow as tf
+import numpy as np
+import matplotlib.pyplot as plt
 
 # Charger ton modèle
 #model = tf.keras.models.load_model("MobileNetV2_UL_ML_c3_l0_acc88_auc94_20251007_100138.h5")
@@ -27,4 +101,4 @@ demo = gr.Interface(
     description="Upload une image et découvre le mouvement pictural estimé par le CNN."
 )
 
-demo.launch()
+demo.launch()"""