Update app.py

app.py

@@ -3,6 +3,169 @@ import tensorflow as tf
 import numpy as np
 import plotly.graph_objects as go
 
+# ============================================================================
+# CONFIGURATION GLOBALE - Modifiez uniquement cette section
+# ============================================================================
+
+MOUVEMENTS_CONFIG = {
+    "Cubisme": {
+        "modele": "Cubisme_MobileNetV2_UL_c2_l0_v96_20251013_114051.keras",
+        "couleur": "#2ecc71"  # Vert
+    },
+    "Expressionnisme": {
+        "modele": "Expressionnisme_MobileNetV2_UL_c2_l0_v84_20251012_232500.keras",
+        "couleur": "#2ecc71"  # Vert
+    },
+    "Post-impressionnisme": {
+        "modele": "Postimpressionnisme_MobileNetV2_UL_c2_l0_v89_20251013_111049.keras",
+        "couleur": "#2ecc71"  # Vert
+    }
+    # Pour ajouter un nouveau mouvement, décommentez et modifiez :
+    # "Surréalisme": {
+    #     "modele": "Surrealisme_MobileNetV2_v1.keras",
+    #     "couleur": "#3498db"  # Bleu
+    # }
+}
+
+# Seuil de reconnaissance (probabilité minimale pour afficher un mouvement)
+SEUIL_RECONNAISSANCE = 0.5  # 50%
+
+# Paramètres visuels du graphique
+LARGEUR_BARRES = 0.4
+HAUTEUR_GRAPHIQUE = 600
+
+# ============================================================================
+# FIN DE LA CONFIGURATION - Ne modifiez pas le code ci-dessous
+# ============================================================================
+
+# === Charger les modèles dynamiquement ===
+modeles_disponibles = {}
+for mouvement, config in MOUVEMENTS_CONFIG.items():
+    try:
+        modeles_disponibles[mouvement] = tf.keras.models.load_model(config["modele"])
+        print(f"✓ Modèle '{mouvement}' chargé avec succès")
+    except Exception as e:
+        print(f"✗ Erreur lors du chargement du modèle '{mouvement}': {e}")
+
+# Liste des mouvements disponibles (pour l'interface)
+MOUVEMENTS_DISPONIBLES = list(MOUVEMENTS_CONFIG.keys())
+
+# === Fonction de prédiction ===
+def predire(image, mouvements_selectionnes):
+    # Vérifier qu'au moins un mouvement est sélectionné
+    if not mouvements_selectionnes:
+        return None, gr.update(value="⚠️ **Veuillez sélectionner au moins un mouvement pictural à analyser.**", visible=True)
+    
+    # Prétraitement
+    image_resized = tf.image.resize(image, (224, 224)) / 255.0
+    image_batch = tf.expand_dims(image_resized, axis=0)
+    
+    # Prédictions uniquement pour les modèles sélectionnés
+    resultats = {}
+    for mouvement in mouvements_selectionnes:
+        modele = modeles_disponibles[mouvement]
+        prob = float(modele.predict(image_batch, verbose=0)[0][0])
+        resultats[mouvement] = prob
+    
+    # Filtrer les mouvements reconnus (≥ seuil)
+    mouvements_reconnus = {m: p for m, p in resultats.items() if p >= SEUIL_RECONNAISSANCE}
+    
+    # Si aucun mouvement n'atteint le seuil
+    if not mouvements_reconnus:
+        return None, gr.update(value=f"❌ **Aucun des mouvements picturaux sélectionnés n'a été reconnu** (seuil : {SEUIL_RECONNAISSANCE*100:.0f}%).", visible=True)
+    
+    # Tri par probabilité décroissante
+    mouvements_tries = sorted(mouvements_reconnus.items(), key=lambda x: x[1], reverse=True)
+    classes_triees = [m for m, _ in mouvements_tries]
+    probs_triees = [p for _, p in mouvements_tries]
+    
+    # Couleurs selon la configuration
+    colors = [MOUVEMENTS_CONFIG[m]["couleur"] for m in classes_triees]
+    
+    # === Construction du graphique ===
+    fig = go.Figure(go.Bar(
+        x=classes_triees,
+        y=probs_triees,
+        marker=dict(color=colors, line=dict(color='black', width=1)),
+        text=[f"{p*100:.1f}%" for p in probs_triees],
+        textposition='auto',
+        width=LARGEUR_BARRES
+    ))
+    
+    fig.update_layout(
+        xaxis=dict(
+            fixedrange=True, 
+            tickangle=45, 
+            tickfont=dict(size=15), 
+            automargin=True
+        ),
+        yaxis=dict(
+            fixedrange=True, 
+            range=[0, 1], 
+            title="Probabilité", 
+            tickfont=dict(size=14)
+        ),
+        title=dict(
+            text=f"Mouvements picturaux<br>reconnus (≥ {SEUIL_RECONNAISSANCE*100:.0f}%)",
+            y=0.90,
+            pad=dict(b=30)
+        ),
+        margin=dict(l=60, r=60, t=80, b=80),
+        height=HAUTEUR_GRAPHIQUE,
+        width=500,
+        font=dict(size=13)
+    )
+    
+    fig.data[0].textfont = dict(color='black', size=14, family="Arial")
+    
+    return fig, gr.update(visible=False)
+
+# === Interface Gradio ===
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown(f"# 🎨 Classification de style pictural ({len(MOUVEMENTS_DISPONIBLES)} mouvements)")
+    gr.Markdown(
+        f"Sélectionnez les mouvements picturaux à analyser. "
+        f"Seuls ceux atteignant une probabilité ≥ {SEUIL_RECONNAISSANCE*100:.0f}% seront affichés."
+    )
+    
+    with gr.Row():
+        with gr.Column(scale=1):
+            image_input = gr.Image(type="numpy", label="Importer une œuvre")
+            
+            mouvements_checkbox = gr.CheckboxGroup(
+                choices=MOUVEMENTS_DISPONIBLES,
+                value=MOUVEMENTS_DISPONIBLES,
+                label="Mouvements à analyser",
+                info="Cochez les mouvements picturaux à tester"
+            )
+            
+            analyser_btn = gr.Button("🔍 Analyser", variant="primary", size="lg")
+        
+        with gr.Column(scale=1):
+            output_plot = gr.Plot(label="Résultats de la classification")
+            output_message = gr.Markdown(visible=False)
+    
+    analyser_btn.click(
+        fn=predire,
+        inputs=[image_input, mouvements_checkbox],
+        outputs=[output_plot, output_message]
+    )
+    
+    gr.Markdown(
+        "---\n"
+        f"**Note :** Chaque CNN évalue indépendamment la probabilité d'appartenance "
+        f"à un mouvement pictural. Les barres colorées indiquent une reconnaissance ≥ {SEUIL_RECONNAISSANCE*100:.0f}%."
+    )
+
+demo.launch()
+
+"""
+VERSION 2 avec sélection des mouvements et affichage des graphiques uniquement pour les mouvements reconnus
+import gradio as gr
+import tensorflow as tf
+import numpy as np
+import plotly.graph_objects as go
+
 # === Charger les trois modèles binaires ===
 model_cubisme = tf.keras.models.load_model("Cubisme_MobileNetV2_UL_c2_l0_v96_20251013_114051.keras")
 model_expressionnisme = tf.keras.models.load_model("Expressionnisme_MobileNetV2_UL_c2_l0_v84_20251012_232500.keras")
@@ -121,7 +284,7 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
         "à un mouvement pictural. Les barres vertes indiquent une reconnaissance ≥ 50%."
     )
 
-demo.launch()
+demo.launch()"""
 
 """
 # Première version