Upload app.py

app.py

@@ -22,45 +22,54 @@ model_paths = {
     "ResNet50": "ResNet50_model.h5"
 }
 
-# ฟังก์ชันเตรียมข้อมูลภาพ (และคืนภาพที่ resize แล้วด้วย)
-def preprocess_image(image):
+# ฟังก์ชันเตรียมข้อมูลภาพ (และคืนภาพที่ resize แล้ว)
+def resize_image(image):
     image = image.resize(IMG_SIZE)  # Resize เป็น 224x224
-    image_array = np.array(image) / 255.0  # Normalize
+    return image  # คืนภาพเพื่อแสดงต่อ
+
+# 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
-    return image_array, image  # คืนทั้ง array สำหรับโมเดล และ image สำหรับแสดง
 
-# ฟังก์ชันทำนาย โดยเลือกโมเดล
-def predict_with_model(image, model_name):
     # โหลดโมเดลที่เลือก
     model = tf.keras.models.load_model(model_paths[model_name])
 
-    # เตรียมภาพ
-    processed_image, resized_image = preprocess_image(image)
-
     # ทำนายผล
-    prediction = model.predict(processed_image)[0][0]  # ได้ค่าความน่าจะเป็น
+    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)
 
-    # คืนผลลัพธ์พร้อมภาพที่ resize แล้ว
+    # คืนผลลัพธ์
     result_text = f"\n\n🧠 Prediction Result\n---------------------------\nClass: {class_name}\nConfidence: {confidence}%"
-    return resized_image, result_text
-
-# Gradio Interface
-interface = gr.Interface(
-    fn=predict_with_model,
-    inputs=[
-        gr.Image(type="pil", label="🖼️ Upload Face Image"),
-        gr.Dropdown(choices=["Custom CNN", "VGG16", "ResNet50"], label="📊 Select Model to Classify")
-    ],
-    outputs=[
-        gr.Image(label="🖼️ Resized Image (224x224)"),  # แสดงภาพที่ resize แล้ว
-        gr.Textbox(label="📝 Prediction Output", lines=5)  # ช่องข้อความผลลัพธ์
-    ],
-    title="🧠 Stroke Face Classification",
-    description="Upload a face image to predict whether the person has stroke or not. The image will be resized to 224x224 before classification. Select model to classify and see result below."
-)
+    return result_text
+
+# สร้าง Gradio Blocks แบบ 2 ขั้นตอน
+with gr.Blocks() as demo:
+    gr.Markdown("# 🧠 Stroke Face Classification App")
+    gr.Markdown("Upload a face image. The image will be resized to 224x224 automatically. Then, select a model to classify.")
+
+    with gr.Row():
+        with gr.Column():
+            image_input = gr.Image(type="pil", label="🖼️ Upload Face Image")
+            model_selector = gr.Dropdown(choices=["Custom CNN", "VGG16", "ResNet50"], label="📊 Select Model to Classify")
+            predict_button = gr.Button("🚀 Predict Stroke")
+
+        with gr.Column():
+            resized_image_output = gr.Image(label="🖼️ Resized Image (224x224)")
+            output_text = gr.Textbox(label="📝 Prediction Output", lines=5)
+
+    # เมื่ออัปโหลดรูปแล้ว resize ทันที
+    image_input.change(resize_image, inputs=image_input, outputs=resized_image_output)
+
+    # เมื่อกดปุ่ม Predict ใช้ภาพที่ resize แล้วไปทำนาย
+    predict_button.click(
+        predict_with_model,
+        inputs=[resized_image_output, model_selector],
+        outputs=output_text
+    )
 
 # Run app
 if __name__ == "__main__":
-    interface.launch()
+    demo.launch()