app.py

# -*- coding: utf-8 -*-
"""app.py

Automatically generated by Colab.

Original file is located at
    https://colab.research.google.com/drive/1J1hXUB5eoxFBDoclJh3sO2ehEIFKr3Pw
"""

import gradio as gr
import tensorflow as tf
import numpy as np
from PIL import Image

# ขนาดภาพที่ใช้ในโมเดล
IMG_SIZE = (224, 224)

# สร้าง Dictionary ที่เก็บชื่อโมเดลและ path ไฟล์ .h5
model_paths = {
    "Custom CNN": "Custom_CNN_model.h5",
    "VGG16": "VGG16_model.h5",
    "ResNet50": "ResNet50_model.h5"
}

# ฟังก์ชันเตรียมข้อมูลภาพ (และคืนภาพที่ resize แล้ว)
def resize_image(image):
    image = image.resize(IMG_SIZE)  # Resize เป็น 224x224
    return image  # คืนภาพเพื่อแสดงต่อ (ช่องเดียวกัน)

# ฟังก์ชันทำนาย โดยใช้ภาพที่ resize แล้ว
def predict_with_model(resized_image, model_name):
    # เตรียมภาพ
    image_array = np.array(resized_image) / 255.0  # Normalize
    image_array = np.expand_dims(image_array, axis=0)  # เพิ่ม batch dimension

    # โหลดโมเดลที่เลือก
    model = tf.keras.models.load_model(model_paths[model_name])

    # ทำนายผล
    prediction = model.predict(image_array)[0][0]  # ได้ค่าความน่าจะเป็น
    class_name = "Stroke" if prediction > 0.5 else "Non-Stroke"
    confidence = round(float(prediction if prediction > 0.5 else 1 - prediction) * 100, 2)

    # คืนผลลัพธ์
    result_text = f"\n\n🧠 Prediction Result\n---------------------------\nClass: {class_name}\nConfidence: {confidence}%"
    return result_text

# สร้าง Gradio Interface แบบไม่มีช่องแยก
with gr.Blocks() as demo:
    gr.Markdown("# 🧠 Stroke Face Classification App")
    gr.Markdown("Upload a face image. The image will be automatically resized to 224x224 and shown here. Then, select a model to classify.")

    with gr.Row():
        with gr.Column():
            image_input = gr.Image(type="pil", label="🖼️ Upload & Auto Resize Face Image (224x224)")
            model_selector = gr.Dropdown(choices=["Custom CNN", "VGG16", "ResNet50"], label="📊 Select Model to Classify")
            predict_button = gr.Button("🚀 Predict Stroke")

        with gr.Column():
            output_text = gr.Textbox(label="📝 Prediction Output", lines=5)

    # เมื่ออัปโหลดรูปแล้ว resize และแสดงแทนที่เดิมทันที
    image_input.upload(resize_image, inputs=image_input, outputs=image_input)

    # เมื่อกดปุ่ม Predict ใช้ภาพที่ resize แล้วไปทำนาย
    predict_button.click(
        predict_with_model,
        inputs=[image_input, model_selector],
        outputs=output_text
    )

# Run app
if __name__ == "__main__":
    demo.launch()