Update app.py

app.py

@@ -15,20 +15,20 @@ device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 net.to(device)
 
     
-def resize_image(image):
-    image = image.convert('RGB')
-    model_input_size = (1024, 1024)
-    image = image.resize(model_input_size, Image.BILINEAR)
-    return image
+def redimensionar_imagem(imagem):
+    imagem = imagem.convert('RGB')
+    tamanho_entrada_modelo = (1024, 1024)
+    imagem = imagem.resize(tamanho_entrada_modelo, Image.BILINEAR)
+    return imagem
 
 
-def process(image):
+def processar(imagem):
 
-    # prepare input
-    orig_image = Image.fromarray(image)
-    w,h = orig_im_size = orig_image.size
-    image = resize_image(orig_image)
-    im_np = np.array(image)
+    # preparar entrada
+    imagem_original = Image.fromarray(imagem)
+    w,h = tamanho_imagem_original = imagem_original.size
+    imagem = redimensionar_imagem(imagem_original)
+    im_np = np.array(imagem)
     im_tensor = torch.tensor(im_np, dtype=torch.float32).permute(2,0,1)
     im_tensor = torch.unsqueeze(im_tensor,0)
     im_tensor = torch.divide(im_tensor,255.0)
@@ -36,21 +36,21 @@ def process(image):
     if torch.cuda.is_available():
         im_tensor=im_tensor.cuda()
 
-    #inference
-    result=net(im_tensor)
-    # post process
-    result = torch.squeeze(F.interpolate(result[0][0], size=(h,w), mode='bilinear') ,0)
-    ma = torch.max(result)
-    mi = torch.min(result)
-    result = (result-mi)/(ma-mi)    
-    # image to pil
-    im_array = (result*255).cpu().data.numpy().astype(np.uint8)
+    # inferência
+    resultado = net(im_tensor)
+    # pós-processamento
+    resultado = torch.squeeze(F.interpolate(resultado[0][0], size=(h,w), mode='bilinear') ,0)
+    ma = torch.max(resultado)
+    mi = torch.min(resultado)
+    resultado = (resultado-mi)/(ma-mi)    
+    # imagem para pil
+    im_array = (resultado*255).cpu().data.numpy().astype(np.uint8)
     pil_im = Image.fromarray(np.squeeze(im_array))
-    # paste the mask on the original image
-    new_im = Image.new("RGBA", pil_im.size, (0,0,0,0))
-    new_im.paste(orig_image, mask=pil_im)
+    # colar a máscara na imagem original
+    nova_im = Image.new("RGBA", pil_im.size, (0,0,0,0))
+    nova_im.paste(imagem_original, mask=pil_im)
 
-    return new_im
+    return nova_im
 
 
 # block = gr.Blocks().queue()
@@ -59,20 +59,20 @@ def process(image):
 #     gr.Markdown("## BRIA RMBG 1.4")
 #     gr.HTML('''
 #       <p style="margin-bottom: 10px; font-size: 94%">
-#         This is a demo for BRIA RMBG 1.4 that using
-#         <a href="https://huggingface.co/briaai/RMBG-1.4" target="_blank">BRIA RMBG-1.4 image matting model</a> as backbone. 
+#         Esta é uma demonstração do BRIA RMBG 1.4 que utiliza
+#         <a href="https://huggingface.co/briaai/RMBG-1.4" target="_blank">o modelo de matting de imagem BRIA RMBG-1.4</a> como base. 
 #       </p>
 #     ''')
 #     with gr.Row():
 #         with gr.Column():
-#             input_image = gr.Image(sources=None, type="pil") # None for upload, ctrl+v and webcam
-#             # input_image = gr.Image(sources=None, type="numpy") # None for upload, ctrl+v and webcam
-#             run_button = gr.Button(value="Run")
+#             input_image = gr.Image(sources=None, type="pil") # None para upload, ctrl+v e webcam
+#             # input_image = gr.Image(sources=None, type="numpy") # None para upload, ctrl+v e webcam
+#             run_button = gr.Button(value="Executar")
             
 #         with gr.Column():
-#             result_gallery = gr.Gallery(label='Output', show_label=False, elem_id="gallery", columns=[1], height='auto')
+#             result_gallery = gr.Gallery(label='Resultado', show_label=False, elem_id="gallery", columns=[1], height='auto')
 #     ips = [input_image]
-#     run_button.click(fn=process, inputs=ips, outputs=[result_gallery])
+#     run_button.click(fn=processar, inputs=ips, outputs=[result_gallery])
 
 # block.launch(debug = True)
 
@@ -81,14 +81,14 @@ def process(image):
 gr.Markdown("## BRIA RMBG 1.4")
 gr.HTML('''
   <p style="margin-bottom: 10px; font-size: 94%">
-    This is a demo for BRIA RMBG 1.4 that using
-    <a href="https://huggingface.co/briaai/RMBG-1.4" target="_blank">BRIA RMBG-1.4 image matting model</a> as backbone. 
+    Esta é uma demonstração do BRIA RMBG 1.4 que utiliza
+    <a href="https://huggingface.co/briaai/RMBG-1.4" target="_blank">o modelo de matting de imagem BRIA RMBG-1.4</a> como base. 
   </p>
 ''')
-examples = [['./input.jpg'],]
-# output = ImageSlider(position=0.5,label='Image without background', type="pil", show_download_button=True)
-# demo = gr.Interface(fn=process,inputs="image", outputs=output, examples=examples, title=title, description=description)
-demo = gr.Interface(fn=process,inputs="image", outputs="image", examples=examples)
+exemplos = [['./input.jpg'],]
+# output = ImageSlider(position=0.5,label='Imagem sem fundo', type="pil", show_download_button=True)
+# demo = gr.Interface(fn=processar,inputs="image", outputs=output, examples=exemplos, title=title, description=description)
+demo = gr.Interface(fn=processar,inputs="image", outputs="image", examples=exemplos)
 
 if __name__ == "__main__":
     demo.launch(share=False)