Upload 2 files

app.py

@@ -0,0 +1,71 @@
+import os
+import numpy as np
+import tensorflow as tf
+from PIL import Image
+import gradio as gr
+import pickle
+
+# Thông số
+IMG_HEIGHT = 64
+IMG_WIDTH = 64
+
+# Load model và label encoder
+model = tf.keras.models.load_model('traffic_sign_model.h5')
+with open('label_encoder.pkl', 'rb') as f:
+    le = pickle.load(f)
+
+def predict_traffic_sign(image):
+    """
+    Hàm dự đoán biển báo giao thông từ ảnh đầu vào
+    """
+    try:
+        # Xử lý ảnh đầu vào
+        img = Image.fromarray(image.astype('uint8')).convert('RGB')
+        img = img.resize((IMG_HEIGHT, IMG_WIDTH))
+        img_array = np.array(img).astype('float32') / 255.0
+        img_array = np.expand_dims(img_array, axis=0)
+        
+        # Dự đoán
+        predictions = model.predict(img_array, verbose=0)
+        predicted_class_idx = np.argmax(predictions[0])
+        confidence = predictions[0][predicted_class_idx]
+        
+        # Lấy tên lớp
+        predicted_class_name = le.inverse_transform([predicted_class_idx])[0]
+        
+        # Tạo dictionary kết quả cho tất cả các lớp
+        results = {}
+        for idx, class_name in enumerate(le.classes_):
+            results[class_name] = float(predictions[0][idx])
+        
+        return results
+    
+    except Exception as e:
+        return {f"Error: {str(e)}": 0.0}
+
+# Tạo Gradio Interface
+demo = gr.Interface(
+    fn=predict_traffic_sign,
+    inputs=gr.Image(label="Tải ảnh biển báo giao thông"),
+    outputs=gr.Label(num_top_classes=5, label="Kết quả dự đoán"),
+    title="🚦 Nhận diện Biển báo Giao thông",
+    description="""
+    **Upload một ảnh biển báo giao thông để nhận diện.**
+    
+    Model CNN được huấn luyện để phân loại các loại biển báo giao thông Việt Nam.
+    
+    📊 Kết quả hiển thị top 5 dự đoán có xác suất cao nhất.
+    """,
+    examples=[
+        # Thêm đường dẫn đến ảnh mẫu trong thư mục examples/
+        # ["examples/stop_sign.jpg"],
+        # ["examples/speed_limit.jpg"],
+    ],
+    theme=gr.themes.Soft(),
+    allow_flagging="never",
+    analytics_enabled=False
+)
+
+# Launch
+if __name__ == "__main__":
+    demo.launch()

requirements.txt

@@ -0,0 +1,6 @@
+tensorflow==2.15.0
+numpy==1.24.3
+scikit-learn==1.3.2
+Pillow==10.1.0
+gradio==4.10.0
+matplotlib==3.8.2