Create app.py

app.py

@@ -0,0 +1,68 @@
+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("model_cubisme.keras")
+model_expressionnisme = tf.keras.models.load_model("model_expressionnisme.keras")
+model_postimp = tf.keras.models.load_model("model_postimpressionnisme.keras")
+
+# === Liste des classes ===
+classes = ["Cubisme", "Expressionnisme", "Post-impressionnisme"]
+
+# === Fonction de prédiction ===
+def predire(image):
+    # Prétraitement
+    image_resized = tf.image.resize(image, (224, 224)) / 255.0
+    image_batch = tf.expand_dims(image_resized, axis=0)
+
+    # Prédictions des trois modèles
+    p_cubisme = float(model_cubisme.predict(image_batch)[0][0])
+    p_expr = float(model_expressionnisme.predict(image_batch)[0][0])
+    p_postimp = float(model_postimp.predict(image_batch)[0][0])
+
+    probs = [p_cubisme, p_expr, p_postimp]
+
+    # Tri (optionnel, pour classer les barres par probabilité décroissante)
+    sorted_indices = np.argsort(probs)[::-1]
+    sorted_classes = [classes[i] for i in sorted_indices]
+    sorted_probs = [probs[i] for i in sorted_indices]
+    colors = ['#2ecc71' if p >= 0.5 else '#bdc3c7' for p in sorted_probs]
+
+    # === Construction du graphique ===
+    fig = go.Figure(go.Bar(
+        x=sorted_classes,
+        y=sorted_probs,
+        marker=dict(color=colors, line=dict(color='black', width=1)),
+        text=[f"{p*100:.1f}%" for p in sorted_probs],
+        textposition='auto'
+    ))
+
+    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="Probabilités par mouvement pictural",
+            y=0.90,
+            pad=dict(b=30)
+        ),
+        margin=dict(l=20, r=20, t=0, b=60),
+        height=600,
+        font=dict(size=13)
+    )
+
+    fig.data[0].textfont = dict(color='black', size=14, family="Arial")
+    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 (3 CNN binaires)",
+    description="Chaque CNN évalue indépendamment la probabilité d’appartenance à un mouvement pictural. Les barres vertes indiquent une probabilité ≥ 50 %.",
+    theme=gr.themes.Soft()
+)
+
+demo.launch()