app.py

import gradio as gr
import pandas as pd
import numpy as np

from keras.models import model_from_json
from tensorflow.keras.preprocessing import image
from keras.applications.vgg16 import VGG16, preprocess_input
import heapq

file = open("focusondriving.json", 'r')
model_json2 = file.read()
file.close()
loaded_model = model_from_json(model_json2)
loaded_model.load_weights("focusondriving.h5")

class_dict = {
    'c0': 'Conduciendo de forma segura',
    'c1': 'Móvil en la mano derecha',
    'c2': 'Hablando por el teléfono con la mano derecha',
    'c3': "Móvil en la mano izquierda",
    'c4': 'Hablando con el teléfono con la mano izquierda',
    'c5': 'Tocando la radio o el salpicadero',
    'c6': 'Bebiendo',
    'c7': 'Buscando en la parte trasera',
    'c8': 'Manos en la cara o el pelo',
    'c9': 'Mirando hacia el lado'
}

def predict_image(pic):
    img = image.load_img(pic, target_size=(224, 224))
    x = image.img_to_array(img) 
    x = np.expand_dims(x, axis=0)
    x = preprocess_input(x)
    preds = loaded_model.predict(x)
    preds = list(preds[0])

    list_desc_order = heapq.nlargest(2, range(len(preds)), key=preds.__getitem__)
    result1 = f'c{list_desc_order[0]}'
    result2 = '-'
    result2_ = 0
    if preds[list_desc_order[1]] > 0.3:
        result2 = f'c{list_desc_order[1]}'
        result2_  = round(preds[list_desc_order[1]], 2)
        
    score = round(preds[list_desc_order[0]], 2)*100
    score = int(score)
    txt2 = f"Resultado: {class_dict.get(result1)}     Probabilidad {score}%"
    txt3="pepe"
    return txt2
    
    
iface = gr.Interface(
    predict_image,
    [
        
        gr.inputs.Image(source="upload",type="filepath", label="Imagen")
    ],

    "text",
    
  
    
    interpretation="default",
    title = 'Focus on Driving',
    description = 'El objetivo de este proyecto es ajustar un modelo de Machine Learning capaz de identificar y clasificar las diferentes distracciones a que estamos expuestos siempre que conducimos. https://saturdays.ai/2022/03/16/focus-on-driving-redes-neuronales-aplicadas-a-la-seguridad-vial/',
    examples=[["img_50156.jpg"], ["img_32161.jpg"], ["img_97052.jpg"], ["img_95082.jpg"], ["img_32168.jpg"], ["img_42945.jpg"], ["img_62638.jpg"], ["img_30.jpg"], ["img_13171.jpg"], ["img_90752.jpg"]],
    theme = 'peach'
 )


   
iface.launch()