metadata v12

app.py

@@ -1,5 +1,5 @@
 import numpy as np
-from PIL import Image, UnidentifiedImageError
+from PIL import Image
 import gradio as gr
 from deepface import DeepFace
 from datasets import load_dataset
@@ -10,25 +10,22 @@ import gc
 import requests
 from io import BytesIO
 
-# 📁 Directorio para almacenar embeddings
+# 📁 Directorio local para embeddings
 EMBEDDINGS_DIR = Path("embeddings")
 EMBEDDINGS_DIR.mkdir(exist_ok=True)
 EMBEDDINGS_FILE = EMBEDDINGS_DIR / "embeddings.pkl"
 
-# ✅ Cargar dataset desde metadata.csv (con URLs absolutas)
+# ✅ Cargar el dataset remoto desde Hugging Face Datasets con metadata.csv
 dataset = load_dataset(
     "csv",
     data_files="metadata.csv",
-    split="train",
-    column_names=["image"],  # 👈 forzar el nombre de la columna
-    header=0  # 👈 indicar que la primera fila es encabezado
+    split="train"
 )
-print("Primeros 5 ítems:")
+
+print("✅ Primeros ítems de validación:")
 for i in range(5):
     print(dataset[i])
 
-print("✅ Primer item:", dataset[0])
-
 # 🔄 Preprocesar imagen para DeepFace
 def preprocess_image(img: Image.Image) -> np.ndarray:
     img_rgb = img.convert("RGB")
@@ -50,49 +47,43 @@ def build_database():
         batch = dataset[i:i + batch_size]
         print(f"📦 Procesando lote {i // batch_size + 1}/{(len(dataset) + batch_size - 1) // batch_size}")
 
-    for j, item in enumerate(batch):
-        try:
-            # Validar estructura
-            if not isinstance(item, dict) or "image" not in item:
-                print(f"⚠️ Saltando item {i + j} - estructura inválida: {item}")
-                continue
-
-            image_url = item["image"]
+        for j, item in enumerate(batch):
+            try:
+                if not isinstance(item, dict) or "image" not in item:
+                    print(f"⚠️ Saltando item {i + j} - estructura inválida: {item}")
+                    continue
 
-            # Validar tipo y formato
-            if not isinstance(image_url, str) or not image_url.startswith("http"):
-                print(f"⚠️ Saltando item {i + j} - URL inválida: {image_url}")
-                continue
-
-            # Descargar y procesar imagen
-            response = requests.get(image_url, timeout=10)
-            response.raise_for_status()
-            img = Image.open(BytesIO(response.content)).convert("RGB")
+                image_url = item["image"]
+                if not isinstance(image_url, str) or not image_url.startswith("http") or image_url.strip().lower() == "image":
+                    print(f"⚠️ Saltando item {i + j} - URL inválida: {image_url}")
+                    continue
 
-            img_processed = preprocess_image(img)
-            embedding = DeepFace.represent(
-                img_path=img_processed,
-                model_name="Facenet",
-                enforce_detection=False
-            )[0]["embedding"]
+                response = requests.get(image_url, timeout=10)
+                response.raise_for_status()
+                img = Image.open(BytesIO(response.content)).convert("RGB")
 
-            database.append((f"image_{i + j}", img, embedding))
-            print(f"✅ Procesada imagen {i + j + 1}/{len(dataset)}")
+                img_processed = preprocess_image(img)
+                embedding = DeepFace.represent(
+                    img_path=img_processed,
+                    model_name="Facenet",
+                    enforce_detection=False
+                )[0]["embedding"]
 
-            del img_processed
-            gc.collect()
+                database.append((f"image_{i + j}", img, embedding))
+                print(f"✅ Procesada imagen {i + j + 1}/{len(dataset)}")
 
-        except Exception as e:
-            print(f"❌ Error al procesar imagen {i + j}: {str(e)}")
-            continue
+                del img_processed
+                gc.collect()
 
-        # Guardar después de cada batch
-        if database:
-            print("💾 Guardando embeddings...")
-            with open(EMBEDDINGS_FILE, "wb") as f:
-                pickle.dump(database, f)
+            except Exception as e:
+                print(f"❌ Error al procesar imagen {i + j}: {str(e)}")
+                continue
 
-        gc.collect()
+    # Guardar al final si hay datos
+    if database:
+        print("💾 Guardando embeddings finales...")
+        with open(EMBEDDINGS_FILE, "wb") as f:
+            pickle.dump(database, f)
 
     return database
 
@@ -129,21 +120,21 @@ def find_similar_faces(uploaded_image: Image.Image):
 
     return gallery_items, summary
 
-# 🚀 Inicializar app
+# 🚀 Iniciar aplicación
 print("🚀 Iniciando aplicación...")
 database = build_database()
 print(f"✅ Base cargada con {len(database)} imágenes.")
 
-# 🎛️ Interfaz Gradio
+# 🎛️ Gradio UI
 demo = gr.Interface(
     fn=find_similar_faces,
     inputs=gr.Image(label="📤 Sube una imagen", type="pil"),
     outputs=[
         gr.Gallery(label="📸 Rostros más similares"),
-        gr.Textbox(label="🧠 Resumen de similitud", lines=6)
+        gr.Textbox(label="🧠 Similitud", lines=6)
     ],
     title="🔍 Buscador de Rostros con DeepFace",
-    description="Sube una imagen y se comparará contra los rostros del dataset `Segizu/facial-recognition`."
+    description="Sube una imagen y se comparará contra los rostros del dataset `Segizu/facial-recognition` almacenado en Hugging Face Datasets."
 )
 
 demo.launch()