Update app.py

app.py

@@ -4,25 +4,33 @@ from PIL import Image
 import numpy as np
 from tokenizer_base import Tokenizer
 import gradio as gr
-from huggingface_hub import Repository
 
 # Параметры модели
 model_file = "captcha.onnx"
-img_size = (32,128)
+img_size = (32, 128)
 charset = r"0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!\"#$%&'()*+,-./:;<=>?@[\\]^_`{|}~"
 tokenizer_base = Tokenizer(charset)
 
-# Преобразования изображения (замена torchvision)
+# Надёжный препроцессинг
 def preprocess_image(img, img_size):
-    # resize с bicubic
+    # Приводим к RGB (убираем альфу/градации серого)
+    img = img.convert("RGB")
+
+    # Resize bicubic
     img = img.resize(img_size, Image.BICUBIC)
-    # в numpy (HWC → CHW)
+
+    # В numpy (HWC → float32)
     img = np.array(img).astype(np.float32) / 255.0
-    img = np.transpose(img, (2, 0, 1))  # (H,W,C) → (C,H,W)
-    # нормализация (x-mean)/std, тут mean=0.5, std=0.5
+
+    # HWC → CHW
+    img = np.transpose(img, (2, 0, 1))
+
+    # Нормализация (x-mean)/std
     img = (img - 0.5) / 0.5
-    # добавляем batch dim
+
+    # Добавляем batch размерность
     img = np.expand_dims(img, axis=0)
+
     return img
 
 # softmax на numpy
@@ -37,22 +45,22 @@ def initialize_model(model_file):
     ort_session = rt.InferenceSession(model_file)
     return ort_session
 
-# Функция для распознавания текста на изображении
+# Функция для распознавания текста
 def get_text(img_org):
-    x = preprocess_image(img_org.convert('RGB'), img_size)
+    x = preprocess_image(img_org, img_size)
 
     # Предсказание с помощью ONNX
     ort_inputs = {ort_session.get_inputs()[0].name: x}
     logits = ort_session.run(None, ort_inputs)[0]
 
-    probs = softmax(logits, axis=-1)  # Вычисляем вероятности
-    preds, probs = tokenizer_base.decode(probs)  # Декодируем результат
-    return preds[0]  # Берём первое предсказание
+    probs = softmax(logits, axis=-1)
+    preds, probs = tokenizer_base.decode(probs)
+    return preds[0]
 
 # Инициализация модели
 ort_session = initialize_model(model_file=model_file)
 
-# Создание Gradio интерфейса
+# Gradio интерфейс
 def gradio_interface():
     return gr.Interface(
         fn=get_text,