Update app.py

app.py

@@ -11,12 +11,11 @@ import warnings
 warnings.filterwarnings('ignore')
 
 # ============================================================
-# 1. تحميل النموذجين (مرة واحدة عند بدء التشغيل)
+# 1. LOAD MODELS
 # ============================================================
 print("Loading YOLOv11 model from Hugging Face Hub...")
-# !! غيّر "YOUR_USERNAME" إلى اسم المستخدم الحقيقي الخاص بك !!
 model_path = hf_hub_download(
-    repo_id="IsraInfo2004/drone-detection-yolov11",  # <- غيّر هذا
+    repo_id="IsraInfo2004/drone-detection-yolov11",
     filename="best.pt"
 )
 model = YOLO(model_path)
@@ -32,7 +31,7 @@ blip_model.eval()
 print("BLIP model loaded successfully.")
 
 # ============================================================
-# 2. دوال الخريطة الحرارية (نفس كودك الأصلي، بدون تغيير)
+# 2. HEATMAP FUNCTIONS
 # ============================================================
 layer_outputs = {}
 
@@ -54,7 +53,6 @@ def get_best_layer(model):
 def generate_heatmap(model, image):
     try:
         layer_outputs.clear()
-        # تأكد من أن الصورة من نوع RGB numpy array
         if isinstance(image, Image.Image):
             image = np.array(image)
         img_resized = cv2.resize(image, (640, 640))
@@ -93,7 +91,7 @@ def generate_heatmap(model, image):
         return None
 
 # ============================================================
-# 3. دالة الوصف النصي (BLIP)
+# 3. DYNAMIC CAPTION (BLIP)
 # ============================================================
 def generate_dynamic_caption(image):
     try:
@@ -117,7 +115,7 @@ def generate_dynamic_caption(image):
         return "AI model is analyzing the scene."
 
 # ============================================================
-# 4. دالة بناء التقرير (مطابقة لكودك الأصلي)
+# 4. XAI REPORT (ENGLISH)
 # ============================================================
 def build_xai_report(is_drone, confidence, drone_count, processing_time, image_caption):
     confidence_percent = confidence * 100
@@ -212,29 +210,19 @@ Scattered activation pattern confirms absence of strong drone-like features.
     return report
 
 # ============================================================
-# 5. الدالة الرئيسية التي سيربطها Gradio
+# 5. MAIN PIPELINE FUNCTION
 # ============================================================
 def drone_detection_pipeline(input_image):
-    """
-    المدخلات: صورة (PIL Image أو numpy array)
-    المخرجات: (صورة النتيجة, صورة الخريطة الحرارية, تقرير نصي)
-    """
     try:
-        # تحويل الصورة إلى numpy array (RGB)
         if isinstance(input_image, Image.Image):
             img = np.array(input_image)
         else:
             img = input_image.copy()
         
         original_h, original_w = img.shape[:2]
-        
-        # 1. تنفيذ الكشف
         results = model(img)
-        
-        # 2. إنشاء الخريطة الحرارية
         heatmap_overlay = generate_heatmap(model, img)
         
-        # 3. استخراج معلومات الكشف
         is_drone = False
         confidence = 0.0
         drone_count = 0
@@ -243,7 +231,6 @@ def drone_detection_pipeline(input_image):
             if boxes_data and boxes_data.data is not None:
                 data = boxes_data.data.cpu().numpy()
                 for det in data:
-                    # تنسيق det: x1, y1, x2, y2, conf, cls
                     if len(det) >= 6:
                         conf = float(det[4])
                         cls = int(det[5])
@@ -253,58 +240,48 @@ def drone_detection_pipeline(input_image):
                             confidence = max(confidence, conf)
         is_drone = drone_count > 0
         
-        # 4. إنشاء الصورة المعلّمة (مع المربعات)
         result_img = results[0].plot() if len(results) > 0 else img
         result_img_rgb = cv2.cvtColor(result_img, cv2.COLOR_BGR2RGB)
-        
-        # 5. إنشاء الوصف النصي
         caption = generate_dynamic_caption(img)
-        
-        # 6. حساب وقت المعالجة (تقريبي)
-        processing_time_ms = 0  # يمكن تركه صفراً أو حسابه فعلياً
-        
-        # 7. بناء التقرير
+        processing_time_ms = 0
         report = build_xai_report(is_drone, confidence, drone_count, processing_time_ms, caption)
         
-        # 8. معالجة الخريطة الحرارية لتتناسب مع أبعاد الصورة الأصلية
         if heatmap_overlay is not None:
             heatmap_resized = cv2.resize(heatmap_overlay, (original_w, original_h))
         else:
             heatmap_resized = np.zeros_like(result_img_rgb)
         
         return result_img_rgb, heatmap_resized, report
-    
     except Exception as e:
         error_msg = f"An error occurred during processing: {str(e)}"
         print(error_msg)
-        # إرجاع صور فارغة مع رسالة الخطأ
         blank = np.zeros((480, 640, 3), dtype=np.uint8)
         return blank, blank, error_msg
 
 # ============================================================
-# 6. بناء واجهة Gradio (جميلة واحترافية)
+# 6. GRADIO INTERFACE (ENGLISH)
 # ============================================================
 with gr.Blocks(title="Drone Detection with XAI", theme=gr.themes.Soft()) as demo:
     gr.Markdown("""
     <div style="text-align: center;">
-        <h1>🚁 نظام كشف الطائرات بدون طيار مع الذكاء الاصطناعي القابل للتفسير (XAI)</h1>
-        <p>يستخدم النظام نموذج <strong>YOLOv11</strong> للكشف، مع <strong>خريطة حرارية</strong> لتوضيح مناطق التركيز في الشبكة العصبية، بالإضافة إلى <strong>وصف نصي ديناميكي</strong> للصورة باستخدام نموذج BLIP.</p>
-        <p>📌 <strong>ملاحظة:</strong> الخريطة الحرارية تستخرج من أعمق طبقة تلافيفية في YOLOv11، وتظهر المناطق التي ركز عليها النموذج لاتخاذ القرار.</p>
+        <h1>🚁 Drone Detection System with Explainable AI (XAI)</h1>
+        <p>Using <strong>YOLOv11</strong> for detection, <strong>heatmap</strong> for neural network focus visualization, and <strong>BLIP</strong> for dynamic image captioning.</p>
+        <p>📌 <strong>Note:</strong> The heatmap is extracted from the deepest convolutional layer of YOLOv11, showing where the model focuses to make decisions.</p>
     </div>
     """)
     
     with gr.Row():
         with gr.Column(scale=1):
-            input_image = gr.Image(label="📸 رفع صورة للتحليل", type="pil")
-            submit_btn = gr.Button("ابدأ التحليل", variant="primary", size="lg")
+            input_image = gr.Image(label="📸 Upload an image for analysis", type="pil")
+            submit_btn = gr.Button("Start Analysis", variant="primary", size="lg")
         with gr.Column(scale=2):
             with gr.Tabs():
-                with gr.TabItem("🔍 نتيجة الكشف"):
-                    output_image = gr.Image(label="الصورة مع المربعات المحيطة")
-                with gr.TabItem("🔥 خريطة XAI الحرارية"):
-                    heatmap_image = gr.Image(label="مناطق التركيز العصبي (الأحمر = تركيز عالٍ)")
-                with gr.TabItem("📄 تقرير XAI التفصيلي"):
-                    report_text = gr.Markdown(label="التقرير الكامل")
+                with gr.TabItem("🔍 Detection Result"):
+                    output_image = gr.Image(label="Image with bounding boxes")
+                with gr.TabItem("🔥 XAI Heatmap"):
+                    heatmap_image = gr.Image(label="Neural activation heatmap (Red = high focus)")
+                with gr.TabItem("📄 Detailed XAI Report"):
+                    report_text = gr.Markdown(label="Complete report")
     
     submit_btn.click(
         fn=drone_detection_pipeline,
@@ -315,12 +292,12 @@ with gr.Blocks(title="Drone Detection with XAI", theme=gr.themes.Soft()) as demo
     gr.Markdown("""
     <div style="text-align: center; margin-top: 30px; font-size: 12px; color: gray;">
         <hr>
-        <p>تم التطوير باستخدام YOLOv11, Gradio, Hugging Face Spaces 🤗 | نموذج الكشف مستضاف على Hugging Face Hub</p>
+        <p>Developed with YOLOv11, Gradio, Hugging Face Spaces 🤗 | Model hosted on Hugging Face Hub</p>
     </div>
     """)
 
 # ============================================================
-# 7. تشغيل التطبيق
+# 7. RUN APP
 # ============================================================
 if __name__ == "__main__":
     demo.launch()