city

app.py

@@ -1,8 +1,6 @@
 import gradio as gr
-from matplotlib import gridspec
-import matplotlib.pyplot as plt
-import numpy as np
 from PIL import Image
+import numpy as np
 import tensorflow as tf
 from transformers import SegformerFeatureExtractor, TFSegformerForSemanticSegmentation
 import os
@@ -15,7 +13,7 @@ model = TFSegformerForSemanticSegmentation.from_pretrained(
 )
 
 def ade_palette():
-    """ADE20K 팔레트 - 각 클래스를 RGB 값에 매핑합니다."""
+    """ADE20K palette that maps each class to RGB values."""
     return [
         [204, 87, 92],
         [112, 185, 212],
@@ -48,39 +46,18 @@ colormap = np.asarray(ade_palette())
 
 def label_to_color_image(label):
     if label.ndim != 2:
-        raise ValueError("2-D 입력 라벨이 필요합니다.")
+        raise ValueError("Expect 2-D input label")
 
     if np.max(label) >= len(colormap):
-        raise ValueError("라벨 값이 너무 큽니다.")
+        raise ValueError("label value too large.")
     return colormap[label]
 
-def draw_plot(pred_img, seg):
-    fig = plt.figure(figsize=(20, 15))
-
-    grid_spec = gridspec.GridSpec(1, 2, width_ratios=[6, 1])
-
-    plt.subplot(grid_spec[0])
-    plt.imshow(pred_img)
-    plt.axis('off')
-    LABEL_NAMES = np.asarray(labels_list)
-    FULL_LABEL_MAP = np.arange(len(LABEL_NAMES)).reshape(len(LABEL_NAMES), 1)
-    FULL_COLOR_MAP = label_to_color_image(FULL_LABEL_MAP)
-
-    unique_labels = np.unique(seg.numpy().astype("uint8"))
-    ax = plt.subplot(grid_spec[1])
-    plt.imshow(FULL_COLOR_MAP[unique_labels].astype(np.uint8), interpolation="nearest")
-    ax.yaxis.tick_right()
-    plt.yticks(range(len(unique_labels)), LABEL_NAMES[unique_labels])
-    plt.xticks([], [])
-    ax.tick_params(width=0.0, labelsize=25)
-    return fig
-
 def sepia(input_text):
-    # 입력 텍스트가 유효한 파일 경로인지 확인
+    # Check if the input text is a valid file path
     if not os.path.isfile(input_text):
-        return "유효하지 않은 파일 경로입니다. 유효한 이미지 파일 경로를 입력해주세요."
+        return "Invalid file path. Please enter a valid image file path."
 
-    # 입력 텍스트를 사용하여 이미지를 로드 (이미지 파일 경로로 가정)
+    # Load the image using the input text (assumed to be a path to an image)
     input_img = Image.open(input_text)
 
     inputs = feature_extractor(images=input_img, return_tensors="tf")
@@ -102,13 +79,13 @@ def sepia(input_text):
     pred_img = np.array(input_img) * 0.5 + color_seg * 0.5
     pred_img = pred_img.astype(np.uint8)
 
-    # Gradio에 적합한 형식으로 이미지 배열 변환
+    # Convert the image array to a Pillow (PIL) image
     pred_img = Image.fromarray(pred_img)
 
     return pred_img
 
-# Gradio 인터페이스 정의
+# Define the Gradio interface
 iface = gr.Interface(fn=sepia, inputs="image", outputs="image")
 
-# Gradio 앱 시작
+# Launch the Gradio app
 iface.launch()