Fazendo interface swagger exibir vetor.

feature_extractor_single.py

@@ -35,20 +35,19 @@ class FeatureExtractor:
 #Função principal
 def process_single_image(image_path: str, output_dir: str = "processed"):
     """
-    Faz todo o pipeline em uma única imagem:
-    - Extração de features ConvNeXt (sem segmentação)
+    Extração de features ConvNeXt (sem segmentação)
     """
     #1) Extração de features
     extractor = FeatureExtractor()
     # Passa o CAMINHO ORIGINAL da imagem (ex: /tmp/temp_foto.jpg)
     features = extractor.extract_convnext(image_path) 
 
-    #2) Salvar o vetor de características
-    feat_path = os.path.join(output_dir, "features_single.npy")
-    np.save(feat_path, features)
-    print(f"Vetor de características salvo em: {feat_path}")
+    #NÃO PRECISAMOS MAIS SALVAR O ARQUIVO .NPY
+    #feat_path = os.path.join(output_dir, "features_single.npy")
+    #np.save(feat_path, features)
+    #print(f"Vetor de características salvo em: {feat_path}")
 
-    return feat_path
+    return features #RETORNA O ARRAY DE DADOS
 
 #Execução direta
 if __name__ == "__main__":

main.py

@@ -42,22 +42,25 @@ async def verify_token(credentials: HTTPAuthorizationCredentials = Depends(secur
 #2. Adiciona 'Depends(verify_token)' para proteger endpoint
 async def extract_features(file: UploadFile = File(...), token: str = Depends(verify_token)):
     """
-    Endpoint que recebe uma imagem, valida o token e retorna
-    o caminho do vetor de características extraído.
+    Endpoint que recebe uma imagem, valida o token 
+    e retorna vetor de características extraído.
     """
     #A única pasta em um contêiner Docker que tem permissão de escrita garantida é a pasta /tmp
     #Precisamos direcionar todos os arquivos temporários para lá
-    temp_path = f"/tmp/temp_{file.filename}"  #<-- Adiciona /tmp/
     with open(temp_path, "wb") as buffer:
         shutil.copyfileobj(file.file, buffer)
 
-    #Processa a imagem (segmentação + extração)
-    features_path = process_single_image(temp_path, output_dir="/tmp")  #<-- Adiciona output_dir
+    #Processa a imagem (agora retorna o array de dados)
+    features_array = process_single_image(temp_path, output_dir="/tmp")
 
     #Remove imagem temporária
     os.remove(temp_path)
 
-    return {"features_saved_at": features_path}
+    #Converte o array Numpy (ex: (1536,)) em uma lista Python padrão
+    features_list = features_array.tolist()
+
+    #Retorna o vetor de features REAL no JSON
+    return {"features": features_list}
 
 @app.get("/health", status_code=status.HTTP_200_OK)
 async def health_check():