Update app.py

app.py

@@ -3,10 +3,10 @@ import tensorflow as tf
 import numpy as np
 import cv2
 
-# Tu lista de etiquetas (ajusta según tus clases y orden de entrenamiento)
+# Lista de etiquetas (ajusta según tus clases)
 etiquetas = ['apple', 'car', 'cloud', 'moon', 'stop sign']
 
-# Cargar el modelo previamente entrenado (.keras)
+# Carga el modelo
 model = tf.keras.models.load_model("quickdraw_model.keras")
 
 def procesar_imagen(image):
@@ -17,24 +17,27 @@ def procesar_imagen(image):
     image = cv2.resize(image, (28, 28), interpolation=cv2.INTER_AREA)
     # Normalizar (0-1)
     image = image / 255.0
-    # Invertir: fondo negro, trazo blanco
+    # Invertir colores: fondo negro, trazo blanco
     image = 1.0 - image
-    # Aplanar
-    image = image.reshape(1, 784)
-    return image
+    return image  # NO lo aplanes aquí, así puedes mostrarlo
 
 def predict(image):
     image_proc = procesar_imagen(image)
-    preds = model.predict(image_proc)
+    # Para el modelo, sí lo aplanas
+    image_for_model = image_proc.reshape(1, 784)
+    preds = model.predict(image_for_model)
     class_idx = np.argmax(preds)
-    return etiquetas[class_idx]
+    return etiquetas[class_idx], image_proc
 
 iface = gr.Interface(
     fn=predict,
     inputs=gr.Image(image_mode='L', label="Dibuja o sube una imagen (trazo negro, fondo blanco)"),
-    outputs="label",
-    title="QuickDraw API",
-    description="API para reconocer dibujos estilo QuickDraw entrenado por ti"
+    outputs=[
+        gr.Label(num_top_classes=1, label="Predicción"),
+        gr.Image(shape=(28, 28), image_mode='L', label="Imagen preprocesada (lo que ve la IA)")
+    ],
+    title="QuickDraw API (con imagen preprocesada)",
+    description="Sube tu dibujo (fondo blanco, trazo negro). La IA mostrará la predicción y la imagen final con la que realmente predice."
 )
 
 if __name__ == "__main__":