Upload app.py

app.py

@@ -22,12 +22,12 @@ model_paths = {
     "ResNet50": "ResNet50_model.h5"
 }
 
-# ฟังก์ชันเตรียมข้อมูลภาพ
+# ฟังก์ชันเตรียมข้อมูลภาพ (และคืนภาพที่ resize แล้วด้วย)
 def preprocess_image(image):
-    image = image.resize(IMG_SIZE)  # Resize
-    image = np.array(image) / 255.0  # Normalize
-    image = np.expand_dims(image, axis=0)  # เพิ่ม batch dimension
-    return image
+    image = image.resize(IMG_SIZE)  # Resize เป็น 224x224
+    image_array = np.array(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):
@@ -35,26 +35,30 @@ def predict_with_model(image, model_name):
     model = tf.keras.models.load_model(model_paths[model_name])
 
     # เตรียมภาพ
-    processed_image = preprocess_image(image)
+    processed_image, resized_image = preprocess_image(image)
 
     # ทำนายผล
     prediction = model.predict(processed_image)[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
-    return f"Class: {class_name} (Confidence: {confidence}%)"
+    # คืนผลลัพธ์พร้อมภาพที่ resize แล้ว
+    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")
+        gr.Image(type="pil", label="🖼️ Upload Face Image"),
+        gr.Dropdown(choices=["Custom CNN", "VGG16", "ResNet50"], label="📊 Select Model to Classify")
     ],
-    outputs="text",
-    title="Stroke Face Classification",
-    description="Upload a face image to predict whether the person has stroke or not. 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."
 )
 
 # Run app