Update app.py

app.py

@@ -3,10 +3,10 @@ import gradio as gr
 from transformers import pipeline
 
 # Lade beide Modelle
-vit_classifier = pipeline("image-classification", model="chrisis2/vit-food-classification-chrisis2")
-clip_detector = pipeline(model="openai/clip-vit-large-patch14", task="zero-shot-image-classification")
+vit_classifier = pipeline("image-classification", model="chrisis2/vit-food-classification-chrisis2")  # ViT: speziell traineirtes Modell für Lebensmittelklassifikation
+clip_detector = pipeline(model="openai/clip-vit-large-patch14", task="zero-shot-image-classification") #CLIP: Allgmeines Zero-Shot-Modell das Bilde rmit Textbeschreibungen vergleicht
 
-# Food-Labels für Zero-Shot-Modell
+# Liste aller Food-Labes für Zero-Shot Modell
 food_labels = [
     "Baked Potato", "Crispy Chicken", "Donut", "Fries", "Hot Dog", "Sandwich", "Taco", "Taquito",
     "apple_pie", "burger", "butter_naan", "chai", "chapati", "cheesecake", "chicken_curry",
@@ -19,17 +19,17 @@ food_labels = [
 def classify_food(image):
     # Klassifikation mit ViT
     vit_results = vit_classifier(image)
-    vit_output = {r['label']: r['score'] for r in vit_results}
-    vit_top_label = vit_results[0]['label']
-    vit_top_score = vit_results[0]['score'] * 100
+    vit_output = {r['label']: r['score'] for r in vit_results} # Ergebnisse als Dictionary
+    vit_top_label = vit_results[0]['label'] #beste Vrohersage
+    vit_top_score = vit_results[0]['score'] * 100 # zu % umwandeln
 
     # Klassifikation mit CLIP
-    clip_results = clip_detector(image, candidate_labels=food_labels)
-    clip_output = {r['label']: r['score'] for r in clip_results}
-    clip_top_label = clip_results[0]['label']
-    clip_top_score = clip_results[0]['score'] * 100
+    clip_results = clip_detector(image, candidate_labels=food_labels) 
+    clip_output = {r['label']: r['score'] for r in clip_results} # Ergebnisse als Dictionary
+    clip_top_label = clip_results[0]['label'] #beste Vrohersage
+    clip_top_score = clip_results[0]['score'] * 100 # zu % umwandeln
 
-    # Formatierte Zusammenfassung
+    # Formatierte Zusammenfassung für Anzeige
     summary = (
         "### Höchste Vorhersagewahrscheinlichkeit pro Modell:\n\n"
         f"**Trainiertes ViT-Modell**: erkennt **{vit_top_label}** mit **{vit_top_score:.3f}%** Wahrscheinlichkeit.\n\n"
@@ -38,29 +38,30 @@ def classify_food(image):
 
     return {"Trainiertes ViT-Modell": vit_output, "CLIP Zero-Shot": clip_output}, summary
 
-# Beispielbilder
+# Beispielbilder für Anzeige
 example_images = [
     ["example_images/burger.jpg"],
     ["example_images/donut.jpg"],
     ["example_images/fries.jpg"],
     ["example_images/pizza.jpg"],
     ["example_images/sushi.jpg"],
+    
 ]
 
-# Gradio Interface
+# Erstellung der Gradio-Oberfläche
 iface = gr.Interface(
     fn=classify_food,
     inputs=gr.Image(type="filepath"),
-    outputs=[
-        gr.JSON(label="🔬 Detaillierte Modell-Ausgaben"),
-        gr.Markdown(label="📝 Zusammenfassung")
-    ],
+    outputs=[gr.JSON(label="Detaillierte Modell-Ausgaben"), gr.Markdown(label="Fazit der besten Vorhersagen")],
     title="🍔 KI-Modellvergleich zur Klassifikation von Gerichten 🍟",
-    description="Diese Anwendung vergleicht zwei KI-Modelle zur Klassifikation von Gerichten.\n\n"
-                "🔹 **Modell 1**: Ein trainiertes ViT-Modell – speziell für Food-Bilder.\n"
-                "🔹 **Modell 2**: CLIP Zero-Shot – erkennt Inhalte durch Sprachverständnis.\n\n"
-                "📷 Lade ein Bild eines Gerichts hoch (z. B. Pizza, Sushi oder Donut) und erfahre, wie beide Modelle es erkennen.",
+    description="""Diese Anwendung vergleicht zwei KI-Modelle zur Klassifikation von Gerichten einschliesslich der globalen und indischen Küche:
+
+Modell 1: Ein trainiertes ViT-Modell: Wurde speziell mit einem Datensatz aus Food-Bildern trainiert und erkennt häufige Speisen besonders zuverlässig.
+
+Modell 2: Ein CLIP Zero-Shot-Modell: Wurde nicht speziell für Food trainiert. Es nutzt Sprachverständnis, um das Bild mit Text-Labels zu vergleichen.
+
+📸 Lade ein Bild eines Gerichts hoch (z. B. Pizza, Sushi oder Donut) und sieh dir an, wie beide Modelle es erkennen und ob sie sich einig sind!""",
     examples=example_images
 )
 
-iface.launch(share=True)
+iface.launch(share=True)