Update app.py

app.py

@@ -5,9 +5,9 @@ import pandas as pd
 from datasets import load_dataset
 import random
 
-print("🚀 Chargement du dataset Fashion Product Images...")
+print("🚀 Chargement complet du dataset Fashion...")
 
-# 📦 CHARGEMENT DU DATASET AVEC FILTRAGE INTELLIGENT
+# 📦 CHARGEMENT COMPLET SANS FILTRAGE
 try:
     dataset = load_dataset("ashraq/fashion-product-images-small")
     print("✅ Dataset chargé avec succès!")
@@ -15,67 +15,64 @@ try:
     # Conversion en DataFrame
     df = dataset['train'].to_pandas()
     
-    # Afficher les catégories disponibles pour debug
-    print("📋 Catégories principales:", df['masterCategory'].unique())
-    print("📋 Sous-catégories:", df['subCategory'].unique())
-    print("📋 Types d'articles:", df['articleType'].unique()[:20])
+    # Afficher les statistiques
+    print(f"📊 Total produits: {len(df)}")
+    print("🎯 Catégories principales:", df['masterCategory'].unique())
+    print("👕 Sous-catégories:", df['subCategory'].unique())
     
-    # 🎯 FILTRAGE INTELLIGENT POUR VÊTEMENTS SEULEMENT
-    # On garde tout ce qui est dans 'Apparel' et on filtre les non-vêtements
-    clothing_df = df[df['masterCategory'] == 'Apparel'].copy()
-    
-    # Liste des types qui ne sont PAS des vêtements
-    NON_CLOTHING_TYPES = [
-        'Accessories', 'Footwear', 'Jewellery', 'Watches', 'Bags', 
-        'Sunglasses', 'Shoes', 'Sandals', 'Flip Flops', 'Belts',
-        'Wallets', 'Fashion Accessories', 'Headwear', 'Eyewear',
-        'Jewellery', 'Watches', 'Perfumes', 'Body Care', 'Skin Care',
-        'Makeup', 'Beauty Accessories', 'Sports Equipment', 'Free Items'
-    ]
-    
-    # Filtrer les non-vêtements
-    clothing_df = clothing_df[~clothing_df['articleType'].isin(NON_CLOTHING_TYPES)]
-    
-    # Garder seulement les colonnes utiles
-    clothing_df = clothing_df[[
-        'id', 'productDisplayName', 'articleType', 
-        'baseColour', 'season', 'usage', 'gender'
+    # Nettoyage des données
+    df = df[[
+        'id', 'productDisplayName', 'masterCategory', 'subCategory',
+        'articleType', 'baseColour', 'season', 'usage', 'gender'
     ]].dropna()
     
-    print(f"📊 {len(clothing_df)} vêtements filtrés dans la base")
-    print(f"🎯 Types de vêtements: {clothing_df['articleType'].unique()}")
+    # 🎯 MAPPING COMPLET EN FRANÇAIS
+    FRENCH_CATEGORIES = {
+        'Apparel': '👕 Vêtements',
+        'Accessories': '👜 Accessoires',
+        'Footwear': '👟 Chaussures',
+        'Personal Care': '🧴 Soins',
+        'Free Items': '🎁 Articles divers',
+        'Sporting Goods': '🏀 Sports'
+    }
     
-    # Mapping des types en français avec emojis
-    FRENCH_TRANSLATIONS = {
-        'Tshirts': '👕 T-shirt', 'Shirts': '👔 Chemise', 
-        'Pants': '👖 Pantalon', 'Jeans': '👖 Jean',
-        'Dresses': '👗 Robe', 'Skirts': '👗 Jupe',
-        'Jackets': '🧥 Veste', 'Coats': '🧥 Manteau',
-        'Sweaters': '🧥 Pull', 'Tops': '👕 Haut',
-        'Shorts': '🩳 Short', 'Leggings': '🧘‍♀️ Legging',
-        'Blazers': '👔 Blazer', 'Sweatshirts': '🧥 Sweat',
-        'Trousers': '👖 Pantalon', 'Kurtas': '👗 Kurta',
-        'Sarees': '👗 Sari', 'Blouses': '👚 Blouse',
+    FRENCH_ARTICLES = {
+        # 👕 Vêtements
+        'Tshirts': '👕 T-shirt', 'Shirts': '👔 Chemise', 'Pants': '👖 Pantalon',
+        'Jeans': '👖 Jean', 'Dresses': '👗 Robe', 'Skirts': '👗 Jupe',
+        'Jackets': '🧥 Veste', 'Coats': '🧥 Manteau', 'Sweaters': '🧥 Pull',
+        'Tops': '👕 Haut', 'Shorts': '🩳 Short', 'Leggings': '🧘‍♀️ Legging',
+        'Blazers': '👔 Blazer', 'Sweatshirts': '🧥 Sweat', 'Trousers': '👖 Pantalon',
+        'Kurtas': '👗 Kurta', 'Sarees': '👗 Sari', 'Blouses': '👚 Blouse',
         'Tracksuits': '🏃‍♂️ Survêtement', 'Rain Jacket': '🧥 Veste pluie',
-        'Swimwear': '🩱 Maillot de bain', 'Nightwear': '🌙 Nuit de',
+        'Swimwear': '🩱 Maillot de bain', 'Nightwear': '🌙 Nuit',
         'Innerwear': '🩲 Sous-vêtement', 'Sportswear': '🏀 Sport',
+        
+        # 👟 Chaussures
         'Casual Shoes': '👟 Casual', 'Formal Shoes': '👞 Formel',
         'Sports Shoes': '🏃‍♂️ Sport', 'Sandals': '👡 Sandale',
-        'Flip Flops': '👡 Tong', 'Heels': '👠 Talon'
+        'Flip Flops': '👡 Tong', 'Heels': '👠 Talon', 'Boots': '👢 Botte',
+        'Sneakers': '👟 Sneaker', 'Footwear': '👟 Chaussure',
+        
+        # 👜 Accessoires
+        'Bags': '👜 Sac', 'Handbags': '👜 Sac à main', 'Backpacks': '🎒 Sac à dos',
+        'Wallets': '💼 Portefeuille', 'Belts': '⛓️ Ceinture', 'Sunglasses': '🕶️ Lunettes',
+        'Watches': '⌚ Montre', 'Jewellery': '💍 Bijou', 'Hats': '🧢 Chapeau',
+        'Caps': '🧢 Casquette', 'Scarves': '🧣 Écharpe', 'Gloves': '🧤 Gants',
+        'Accessories': '👜 Accessoire'
     }
     
-    # Remplacer les types par leurs traductions
-    clothing_df['articleType'] = clothing_df['articleType'].map(
-        lambda x: FRENCH_TRANSLATIONS.get(x, f"👔 {x}")
-    )
-    
+    print(f"📊 {len(df)} produits dans la base de données")
+    print(f"🎯 Types d'articles: {len(df['articleType'].unique())}")
+
 except Exception as e:
     print(f"❌ Erreur chargement dataset: {e}")
-    clothing_df = None
-    FRENCH_TRANSLATIONS = {}
+    df = None
+    FRENCH_CATEGORIES = {}
+    FRENCH_ARTICLES = {}
 
-def detect_clothing_type(image):
-    """Détection du type de vêtement basée sur la forme"""
+def detect_item_type(image):
+    """Détection du type d'article basée sur la forme"""
     try:
         if isinstance(image, str):
             pil_image = Image.open(image)
@@ -85,54 +82,57 @@ def detect_clothing_type(image):
         width, height = pil_image.size
         aspect_ratio = width / height
         
-        # Détection intelligente basée sur le ratio
-        if aspect_ratio > 2.0:
-            return "👗 Robe", 85
+        # 🔍 DÉTECTION INTELLIGENTE TOUS TYPES
+        if aspect_ratio > 2.5:
+            return "👗 Robe", 88
+        elif aspect_ratio > 2.0:
+            return "🧥 Manteau", 85
         elif aspect_ratio > 1.5:
-            return "👔 Chemise", 80
-        elif aspect_ratio > 1.1:
+            return "👔 Chemise", 82
+        elif aspect_ratio > 1.2:
             return "👕 T-shirt/Haut", 85
-        elif aspect_ratio > 0.8:
-            return "🧥 Veste/Pull", 82
+        elif aspect_ratio > 0.9:
+            return "🧥 Veste/Pull", 80
+        elif aspect_ratio > 0.7:
+            return "👜 Sac", 78
         elif aspect_ratio > 0.5:
             return "👖 Pantalon/Jean", 90
+        elif aspect_ratio > 0.3:
+            return "👟 Chaussure", 83
+        elif aspect_ratio > 0.2:
+            return "🩳 Short", 79
         else:
-            return "🩳 Short", 78
+            return "💍 Accessoire", 75
             
     except:
-        return "👔 Vêtement", 70
+        return "🎁 Article mode", 70
 
-def get_clothing_recommendations():
-    """Retourne des recommandations de vêtements aléatoires"""
+def get_all_recommendations():
+    """Retourne des recommandations de tous types"""
     try:
-        if clothing_df is None or len(clothing_df) == 0:
-            # Mode démo si le dataset est vide
+        if df is None or len(df) == 0:
+            # Mode démo avec tous types
             return [
-                {
-                    'name': 'T-shirt Basic Cotton',
-                    'type': '👕 T-shirt',
-                    'color': 'White',
-                    'season': 'Summer',
-                    'confidence': 88.5
-                },
-                {
-                    'name': 'Jeans Slim Fit',
-                    'type': '👖 Jean', 
-                    'color': 'Blue',
-                    'season': 'All Season',
-                    'confidence': 92.3
-                }
+                {'name': 'Cotton T-Shirt', 'type': '👕 T-shirt', 'category': '👕 Vêtements', 'color': 'White', 'confidence': 88.5},
+                {'name': 'Slim Fit Jeans', 'type': '👖 Jean', 'category': '👕 Vêtements', 'color': 'Blue', 'confidence': 92.3},
+                {'name': 'Leather Handbag', 'type': '👜 Sac', 'category': '👜 Accessoires', 'color': 'Black', 'confidence': 85.7},
+                {'name': 'Running Shoes', 'type': '👟 Chaussure', 'category': '👟 Chaussures', 'color': 'White', 'confidence': 89.1},
+                {'name': 'Summer Dress', 'type': '👗 Robe', 'category': '👕 Vêtements', 'color': 'Floral', 'confidence': 90.2}
             ]
         
-        # Sélection aléatoire de vêtements
-        sample_size = min(3, len(clothing_df))
-        sample = clothing_df.sample(sample_size)
+        # Sélection aléatoire de tous types
+        sample_size = min(5, len(df))
+        sample = df.sample(sample_size)
         
         recommendations = []
         for _, row in sample.iterrows():
+            article_type = FRENCH_ARTICLES.get(row['articleType'], f"👔 {row['articleType']}")
+            category = FRENCH_CATEGORIES.get(row['masterCategory'], row['masterCategory'])
+            
             recommendations.append({
                 'name': row['productDisplayName'],
-                'type': row['articleType'],
+                'type': article_type,
+                'category': category,
                 'color': row['baseColour'],
                 'season': row['season'],
                 'confidence': round(random.uniform(75, 95), 1)
@@ -144,103 +144,108 @@ def get_clothing_recommendations():
         print(f"Erreur recommandations: {e}")
         return None
 
-def analyze_clothing(image):
-    """Analyse principale des vêtements"""
+def analyze_fashion_item(image):
+    """Analyse complète de tout article de mode"""
     try:
         if image is None:
-            return "❌ Veuillez uploader une image de vêtement"
+            return "❌ Veuillez uploader une image"
         
         # 🔍 Détection du type
-        detected_type, confidence = detect_clothing_type(image)
+        detected_type, confidence = detect_item_type(image)
         
         # 📊 Recommandations
-        recommendations = get_clothing_recommendations()
+        recommendations = get_all_recommendations()
         
         if not recommendations:
-            return "❌ Aucune donnée vêtement disponible"
+            return "❌ Aucune donnée disponible"
         
         # 📝 Préparation des résultats
-        output = "## 🎯 ANALYSE DE VÊTEMENT\n\n"
+        output = "## 🎯 ANALYSE COMPLÈTE MODE\n\n"
         
         output += f"### 🔍 TYPE DÉTECTÉ:\n"
         output += f"**{detected_type}** - {confidence}% de confiance\n\n"
         
-        output += "### 👕 VÊTEMENTS SIMILAIRES:\n\n"
+        output += "### 🛍️ ARTICLES SIMILAIRES:\n\n"
         
         for i, item in enumerate(recommendations, 1):
             output += f"{i}. **{item['name']}**\n"
             output += f"   • Type: {item['type']}\n"
+            output += f"   • Catégorie: {item['category']}\n"
             output += f"   • Couleur: {item['color']}\n"
-            output += f"   • Saison: {item['season']}\n"
             output += f"   • Correspondance: {item['confidence']}%\n\n"
         
         # 🏆 Meilleure correspondance
         best_match = recommendations[0]
         output += "### 🏆 MEILLEURE CORRESPONDANCE:\n"
         output += f"**{best_match['name']}**\n"
-        output += f"*{best_match['type']} - {best_match['color']}*\n"
+        output += f"*{best_match['type']} - {best_match['category']}*\n"
         output += f"**Confiance: {best_match['confidence']}%**\n\n"
         
-        # 📈 Informations base
-        if clothing_df is not None:
-            output += "### 📊 BASE DE DONNÉES:\n"
-            output += f"• **{len(clothing_df)}** vêtements référencés\n"
-            output += f"• **{clothing_df['articleType'].nunique()}** types différents\n"
-            output += f"• **{clothing_df['baseColour'].nunique()}** couleurs disponibles\n\n"
-        else:
-            output += "### 📊 MODE DÉMO:\n"
-            output += "• Utilisation de données exemple\n"
-            output += "• Dataset en cours de chargement\n\n"
+        # 📈 Statistiques complètes
+        if df is not None:
+            output += "### 📊 BASE DE DONNÉES COMPLÈTE:\n"
+            output += f"• **{len(df)}** articles de mode\n"
+            output += f"• **{df['masterCategory'].nunique()}** catégories principales\n"
+            output += f"• **{df['articleType'].nunique()}** types différents\n"
+            output += f"• **{df['baseColour'].nunique()}** couleurs disponibles\n\n"
+            
+            # Répartition par catégorie
+            category_counts = df['masterCategory'].value_counts()
+            output += "### 📦 RÉPARTITION PAR CATÉGORIE:\n"
+            for category, count in category_counts.items():
+                french_category = FRENCH_CATEGORIES.get(category, category)
+                output += f"• {french_category}: {count} articles\n"
         
-        output += "### 💡 CONSEILS:\n"
+        output += "\n### 💡 CONSEILS POUR L'ANALYSE:\n"
         output += "• 📷 Photo nette et bien cadrée\n"
-        output += "• 🎯 Un seul vêtement visible\n"
+        output += "• 🎯 Article bien visible\n"
         output += "• 🌞 Bon éclairage sans ombres\n"
+        output += "• 🧹 Fond uni de préférence\n"
         
         return output
         
     except Exception as e:
         return f"❌ Erreur d'analyse: {str(e)}"
 
-# 🎨 INTERFACE GRADIO
-with gr.Blocks(title="Assistant Vêtements IA", theme=gr.themes.Soft()) as demo:
+# 🎨 INTERFACE COMPLÈTE
+with gr.Blocks(title="Assistant Mode IA", theme=gr.themes.Soft()) as demo:
     
     gr.Markdown("""
-    # 👗 ASSISTANT IA POUR VÊTEMENTS
-    *Reconnaissance et analyse de vêtements*
+    # 🛍️ ASSISTANT IA MODE COMPLET
+    *Reconnaissance de tous les articles de mode*
     """)
     
     with gr.Row():
         with gr.Column(scale=1):
-            gr.Markdown("### 📤 UPLOADER UN VÊTEMENT")
+            gr.Markdown("### 📤 UPLOADER UN ARTICLE")
             image_input = gr.Image(
                 type="pil",
-                label="Sélectionnez votre vêtement",
+                label="Vêtement, chaussure, sac ou accessoire",
                 height=300,
                 sources=["upload"],
             )
             
             gr.Markdown("""
-            ### 🎯 FONCTIONNALITÉS:
-            ✅ **Reconnaissance de type**  
-            ✅ **Base de données vêtements**  
-            ✅ **Recommandations similaires**  
-            ✅ **Analyse par forme**  
-            ⏱️ **Résultats instantanés**
+            ### 🎯 RECONNAÎT:
+            ✅ **Vêtements** (T-shirts, robes, jeans...)  
+            ✅ **Chaussures** (baskets, talons, sandales...)  
+            ✅ **Sacs** (sacs à main, sacs à dos...)  
+            ✅ **Accessoires** (bijoux, ceintures, lunettes...)  
+            ✅ **Articles de sport**
             """)
             
             analyze_btn = gr.Button("🔍 Analyser", variant="primary")
             clear_btn = gr.Button("🧹 Effacer", variant="secondary")
         
         with gr.Column(scale=2):
-            gr.Markdown("### 📊 RÉSULTATS D'ANALYSE")
+            gr.Markdown("### 📊 RAPPORT COMPLET")
             output_text = gr.Markdown(
-                value="⬅️ Uploader un vêtement pour commencer"
+                value="⬅️ Uploader un article pour analyse"
             )
     
     # 🎮 INTERACTIONS
     analyze_btn.click(
-        fn=analyze_clothing,
+        fn=analyze_fashion_item,
         inputs=[image_input],
         outputs=output_text
     )
@@ -252,7 +257,7 @@ with gr.Blocks(title="Assistant Vêtements IA", theme=gr.themes.Soft()) as demo:
     )
     
     image_input.upload(
-        fn=analyze_clothing,
+        fn=analyze_fashion_item,
         inputs=[image_input],
         outputs=output_text
     )