app.py

import gradio as gr
from transformers import AutoImageProcessor, AutoModelForObjectDetection
import torch
from PIL import Image, ImageDraw, ImageFont

# --- CONFIGURACIÓN ---
MODEL_REPO = "acascanzal/practica2" 
BASE_PROCESSOR = "hustvl/yolos-tiny" 
THRESHOLD = 0.6 

# --- CARGA DEL MODELO ---

try:
    image_processor = AutoImageProcessor.from_pretrained(BASE_PROCESSOR)
    
    model = AutoModelForObjectDetection.from_pretrained(MODEL_REPO)
    
except Exception as e:
    print(f"Error fatal: {e}")
    raise e

# --- FUNCIÓN PRINCIPAL ---
def detect_objects(image):
    if image is None:
        return None
    
    # Asegurar que la imagen es RGB (por si suben PNGs transparentes)
    image = image.convert("RGB")

    # 1. Preparar la imagen (El procesador se encarga del tamaño y normalización)
    inputs = image_processor(images=image, return_tensors="pt")

    # 2. Predicción
    with torch.no_grad():
        outputs = model(**inputs)

    # 3. Convertir resultados (Cajas relativas -> Coordenadas reales)
    target_sizes = torch.tensor([image.size[::-1]])
    results = image_processor.post_process_object_detection(
        outputs, 
        target_sizes=target_sizes, 
        threshold=THRESHOLD
    )[0]

    # 4. Dibujar en la imagen
    draw = ImageDraw.Draw(image)
    
    # Intentamos cargar una fuente grande, si no, usamos la default
    try:
        font = ImageFont.truetype("arial.ttf", 20)
    except:
        font = ImageFont.load_default()

    # Recorrer cada objeto detectado
    for score, label, box in zip(results["scores"], results["labels"], results["boxes"]):
        # Coordenadas de la caja
        box = [round(i, 2) for i in box.tolist()]
        xmin, ymin, xmax, ymax = box

        # Obtener el nombre de la clase (ej. "gato", "perro")
        # Si tu modelo no guardó los nombres, mostrará "LABEL_0", "LABEL_1", etc.
        label_text = model.config.id2label.get(label.item(), f"Clase {label.item()}")
        
        # Crear texto: "Clase: 99%"
        display_text = f"{label_text}: {round(score.item(), 2)}"
        
        # DIBUJAR
        # Caja roja
        draw.rectangle(box, outline="red", width=3)
        # Fondo para el texto (para que se lea bien)
        text_bbox = draw.textbbox((xmin, ymin), display_text, font=font)
        draw.rectangle(text_bbox, fill="red")
        # Texto blanco
        draw.text((xmin, ymin), display_text, fill="white", font=font)

    return image

# --- INTERFAZ ---
interface = gr.Interface(
    fn=detect_objects,
    inputs=gr.Image(type="pil", label="Sube tu imagen aquí"),
    outputs=gr.Image(type="pil", label="Objetos Detectados"),
    title="Detector de Objetos (YOLO Tiny)",
    description=f"Modelo cargado desde: {MODEL_REPO}. Umbral de confianza: {THRESHOLD}",
    examples=[], # Puedes añadir fotos de ejemplo aquí si quieres ["foto1.jpg", "foto2.jpg"]
    theme="default"
)

# Lanzar la app
if __name__ == "__main__":
    interface.launch()