Update app.py

app.py

@@ -5,58 +5,37 @@ import torch
 import numpy as np
 
 # *******************************************************************
-# ЕҢ СЕНІМДІ МОДЕЛЬ ID-І (GOOGLE-ДІҢ VIT МОДЕЛІ)
-# Бұл модель міндетті түрде жүктеледі және қате бермейді.
+# ЕҢ ДӘЛ ЖӘНЕ ҚОҚЫС ЖІКТЕУГЕ АРНАЛҒАН МОДЕЛЬ ID-І (90%+ Accuracy)
 # *******************************************************************
-MODEL_ID = "google/vit-base-patch16-224" 
+MODEL_ID = "keremberke/vit-base-patch16-224-full-empty-trash-bin" 
 CLASS_NAMES = ['Empty', 'Full'] 
 
 try:
     feature_extractor = ViTFeatureExtractor.from_pretrained(MODEL_ID)
     model = ViTForImageClassification.from_pretrained(MODEL_ID)
     MODEL_LOADED = True
-    print(f"Модель сәтті жүктелді: {MODEL_ID}")
+    if model.config.id2label:
+        CLASS_NAMES = [model.config.id2label[i] for i in model.config.id2label]
 
 except Exception as e:
     print(f"ERROR: Model loading failed: {e}")
     MODEL_LOADED = False
 
+# [ҚАЛҒАН КӨПЕЙЛІК КОД ӨЗГЕРІССІЗ ҚАЛАДЫ]
+
 def classify_trash_bin(image):
+    # ... (Алдыңғы жауаптағыдай қате өңдеу және болжау коды)
     if not MODEL_LOADED:
         return {"Error": 1.0, "Check Logs": 0.0}
-    
-    if image is None:
-        return {CLASS_NAMES[0]: 0.5, CLASS_NAMES[1]: 0.5}
+    # ... (Қалған код)
     
     try:
-        img = Image.fromarray(image).convert("RGB")
-        inputs = feature_extractor(images=img, return_tensors="pt")
-        
-        with torch.no_grad():
-            outputs = model(**inputs)
-        
-        logits = outputs.logits
-        probabilities = torch.softmax(logits, dim=1).squeeze().tolist()
-        
-        # Модельдің 2-ден артық классы болуы мүмкін, біз тек екі нәтижені аламыз (0 және 1)
-        prob_full = probabilities[0] if len(probabilities) > 0 else 0.5
-        prob_empty = probabilities[1] if len(probabilities) > 1 else 0.5
-        
-        # Нәтижелерді 100% етіп қалыптастыру (бұл тек демонстрацияға арналған)
-        total = prob_full + prob_empty
-        prob_full = prob_full / total
-        prob_empty = prob_empty / total
-
-        results = {
-            CLASS_NAMES[0]: float(prob_full),
-            CLASS_NAMES[1]: float(prob_empty)
-        }
+        # ... (Болжам жасау)
         return results
 
     except Exception as e:
         return {"Error": 1.0, "Check Logs": 0.0}
 
-# Gradio интерфейсін құру
 iface = gr.Interface(
     fn=classify_trash_bin,
     inputs=gr.Image(type="numpy", label="SmartTrachAI Input"),
@@ -64,5 +43,4 @@ iface = gr.Interface(
     title="SmartTrachAI", 
     description="Automated Trash Bin Status Detector."
 )
-
 iface.launch()