Spaces:

houssamDev
/

AgeGen

No application file

App Files Files Community

houssamDev commited on May 21, 2025

Commit

fb2ecab

verified ·

1 Parent(s): 5c3d8dd

Update app.py

Browse files

Files changed (1) hide show

app.py +269 -267

app.py CHANGED Viewed

@@ -1,268 +1,270 @@
-import streamlit as st
-import pandas as pd
-from PIL import Image
-import cv2
-import os
-import time
-import torch
-from joblib import load
-import matplotlib.pyplot as plt
-from transformers import AutoImageProcessor, AutoModelForImageClassification
-from streamlit.components.v1 import html
-# عنوان التطبيق
-st.title("نظام تحليل الصور وتقدير العمر والجنس")
-# تحميل بيانات CSV
-def load_data():
-    try:
-        data = pd.read_csv('recom.csv', encoding='utf-8')
-        return data
-    except FileNotFoundError:
-        st.warning("ملف البيانات  غير موجود")
-        return pd.DataFrame()
-data = load_data()
-# تحميل نماذج التنبؤ
-@st.cache_resource
-def load_models():
-    try:
-      # Load the processor and models first
-        processor = AutoImageProcessor.from_pretrained("dima806/fairface_age_image_detection")
-        age_model = AutoModelForImageClassification.from_pretrained("dima806/fairface_age_image_detection")
-        gender_model = AutoModelForImageClassification.from_pretrained("dima806/fairface_gender_image_detection")
-        return processor, age_model, gender_model
-    except Exception as e:
-        st.error(f"حدث خطأ في تحميل النماذج: {e}")
-        return None, None, None
-processor, age_model, gender_model = load_models()
-# وظيفة للتنبؤ بالعمر والجنس
-def predict_image(image):
-    try:
-        # Preprocess the image
-        inputs = processor(images=image, return_tensors="pt")
-        # Perform inference
-        with torch.no_grad():
-            age_logits = age_model(**inputs).logits
-            gender_logits = gender_model(**inputs).logits
-            # Get predictions
-            predicted_age_idx = age_logits.argmax(-1).item()
-            predicted_gender_idx = gender_logits.argmax(-1).item()
-            # Decode predictions
-            predicted_age = age_model.config.id2label[predicted_age_idx]
-            predicted_gender = gender_model.config.id2label[predicted_gender_idx]
-            return predicted_age, predicted_gender
-    except Exception as e:
-        st.error(f"حدث خطأ أثناء التنبؤ: {e}")
-        return None, None
-def cards(recommendations):
-    # Custom CSS for the cards
-    css = """
-    <style>
-    body {
-     margin: 0;
-    padding: 0;
-    }
-     [data-testid="stAppViewContainer"] ,section{
-        background-color: #3559A0;
-    }
-    .flex-container {
-        display: flex;
-        flex-wrap: nowrap;
-        gap: 15px;
-        justify-content: flex-start;
-        direction: rtl;
-        padding: 20px;
-background-color: #22305C;
-        overflow-x: auto;
-        scrollbar-color: #3559A0 #22305C;
-        scrollbar-width: thin;
-         box-shadow: 0 2px 8px rgba(0,0,0,0.07);
-  }
-  iframe,{
-          border: 1px solid #3559A0;
-        border-radius: 20px;
-        background-color: #22305C;
-        }
-    .card {
-        background: #f9f9f9;
-        border-radius: 10px;
-        box-shadow: 0 2px 8px rgba(0,0,0,0.07);
-        padding: 16px;
-        width: 220px;
-        text-align: right;
-        font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
-        margin-bottom: 15px;
-         flex: 0 0 auto;
-    }
-    .card img {
-        width: 100%;
-        height: 160px;
-        object-fit: cover;
-        border-radius: 8px;
-        margin-bottom: 12px;
-        border: 1px solid #eee;
-    }
-    .card h4 {
-        margin: 8px 0;
-        color: #333;
-        font-size: 16px;
-    }
-    .card p {
-        margin: 4px 0;
-        color: #555;
-        font-size: 14px;
-    }
-    </style>
-    """
-    # Create a complete HTML document
-    cards_html = f"""
-    <!DOCTYPE html>
-    <html>
-    <head>
-        {css}
-    </head>
-    <body>
-        <div class="flex-container">
-    """
-    # Build the flex cards
-    for _, row in recommendations.iterrows():
-        # Handle missing image case
-        image_url = row.get('image', '') if pd.notna(row.get('image', '')) else "https://via.placeholder.com/220x160?text=No+Image"
-        cards_html += f"""
-        <div class="card">
-            <img src="{image_url}" alt="{row.get('name', '')}" onerror="this.src='https://via.placeholder.com/220x160?text=Image+Error'"/>
-            <h4>{row.get('name', '')}</h4>
-            <p>{row.get('type', '')} | {row.get('genre', '')}</p>
-            <p>العمر: {row.get('age_group', '')} | الجنس: {row.get('gender', '')}</p>
-        </div>
-        """
-    cards_html += """
-        </div>
-    </body>
-    </html>
-    """
-    # Use Streamlit's html component to render the HTML properly
-    html(cards_html, height=320, scrolling=False)
-# وظيفة لعرض التوصيات بناءً على العمر والجنس
-def show_recommendations(age, gender, data):
-    if data.empty:
-        st.warning("لا توجد بيانات توصيات متاحة")
-        return
-    # فلترة البيانات بناءً على العمر والجنس (يمكن تعديل هذا المنطق حسب احتياجاتك)
-    try:
-        # تحويل العمر إلى رقم للتصفية
-        # تصفية حسب الجنس
-        # يمكنك تعديل منطق التوصية هنا حسب عمود العمر في بياناتك
-        recommendations = data.loc[
-            (data['gender'] == gender) &
-            (data['age_group'] ==age)
-        ]
-        st.subheader("التوصيات المقترحة:")
-        if not recommendations.empty:
-            # عرض التوصيات باستخدام بطاقات
-            cards(recommendations)
-        else:
-            st.warning(recommendations)
-    except Exception as e:
-        st.error(f"حدث خطأ في عرض التوصيات: {e}")
-        st.dataframe(data.sample(5))
-# إنشاء قائمة جانبية للاختيارات
-option = st.sidebar.selectbox(
-    "اختر طريقة إدخال الصورة",
-    ("تحميل من الملف", "التقاط من الكاميرا")
-)
-# متغير للصورة
-uploaded_image = None
-captured_image = None
-image_to_predict = None
-if option == "تحميل من الملف":
-    uploaded_file = st.file_uploader("اختر صورة لتحميلها", type=['jpg', 'png', 'jpeg'])
-    if uploaded_file is not None:
-        # عرض شاشة التحميل
-        with st.spinner('جاري معالجة الصورة...'):
-            uploaded_image = Image.open(uploaded_file)
-            image_to_predict = uploaded_image
-            st.success("تم تحميل الصورة بنجاح!")
-            # عرض الصورة
-            st.image(uploaded_image, caption="الصورة المرفوعة", use_column_width=True)
-else:
-    # خيار التقاط صورة من الكاميرا
-    st.write("اضغط على الزر لتفعيل الكاميرا")
-    picture = st.camera_input("التقاط صورة")
-    if picture:
-        with st.spinner('جاري معالجة الصورة...'):
-            captured_image = Image.open(picture)
-            image_to_predict = captured_image
-            st.success("تم التقاط الصورة بنجاح!")
-# زر لمعالجة الصورة واستخراج البيانات
-if st.button("تحليل الصورة"):
-    if image_to_predict is not None and processor is not None and age_model is not None and gender_model is not None:
-        with st.spinner('جاري تحليل الصورة...'):
-            predicted_age, predicted_gender = predict_image(image_to_predict)
-            if predicted_age is not None and predicted_gender is not None:
-                # عرض النتائج
-                st.subheader("نتائج التحليل:")
-                col1, col2 = st.columns(2)
-                with col1:
-                    st.metric("العمر المتوقع", predicted_age)
-                with col2:
-                    st.metric("الجنس المتوقع",predicted_gender)
-                # عرض التوصيات
-                show_recommendations(predicted_age.lower().strip(), predicted_gender.lower().strip(), data)
-            else:
-                st.error("فشل في تحليل الصورة")
-    else:
-        if image_to_predict is None:
-            st.warning("الرجاء تحميل أو التقاط صورة أولاً")
-        else:
-            st.error("النماذج غير جاهزة للتحليل")
-# قسم لإضافة ملف CSV جديد إذا لزم الأمر
-st.sidebar.header("إدارة البيانات")
-new_csv = st.sidebar.file_uploader("رفع ملف بيانات جديد (CSV)", type=['csv'])
-if new_csv is not None:
-    try:
-        new_data = pd.read_csv(new_csv, encoding='utf-8')
-        new_data.to_csv('data.csv', index=False)
-        st.sidebar.success("تم تحديث بيانات CSV بنجاح!")
-        data = load_data()  # إعادة تحميل البيانات
-    except Exception as e:
         st.sidebar.error(f"حدث خطأ: {e}")

+import streamlit as st
+import pandas as pd
+from PIL import Image
+import cv2
+import os
+import time
+import torch
+from joblib import load
+import matplotlib.pyplot as plt
+from transformers import AutoImageProcessor, AutoModelForImageClassification
+from streamlit.components.v1 import html
+import os
+os.environ['TRANSFORMERS_CACHE'] = '/app/cache'
+# عنوان التطبيق
+st.title("نظام تحليل الصور وتقدير العمر والجنس")
+# تحميل بيانات CSV
+def load_data():
+    try:
+        data = pd.read_csv('recom.csv', encoding='utf-8')
+        return data
+    except FileNotFoundError:
+        st.warning("ملف البيانات  غير موجود")
+        return pd.DataFrame()
+data = load_data()
+# تحميل نماذج التنبؤ
+@st.cache_resource
+def load_models():
+    try:
+      # Load the processor and models first
+        processor = AutoImageProcessor.from_pretrained("dima806/fairface_age_image_detection")
+        age_model = AutoModelForImageClassification.from_pretrained("dima806/fairface_age_image_detection")
+        gender_model = AutoModelForImageClassification.from_pretrained("dima806/fairface_gender_image_detection")
+        return processor, age_model, gender_model
+    except Exception as e:
+        st.error(f"حدث خطأ في تحميل النماذج: {e}")
+        return None, None, None
+processor, age_model, gender_model = load_models()
+# وظيفة للتنبؤ بالعمر والجنس
+def predict_image(image):
+    try:
+        # Preprocess the image
+        inputs = processor(images=image, return_tensors="pt")
+        # Perform inference
+        with torch.no_grad():
+            age_logits = age_model(**inputs).logits
+            gender_logits = gender_model(**inputs).logits
+            # Get predictions
+            predicted_age_idx = age_logits.argmax(-1).item()
+            predicted_gender_idx = gender_logits.argmax(-1).item()
+            # Decode predictions
+            predicted_age = age_model.config.id2label[predicted_age_idx]
+            predicted_gender = gender_model.config.id2label[predicted_gender_idx]
+            return predicted_age, predicted_gender
+    except Exception as e:
+        st.error(f"حدث خطأ أثناء التنبؤ: {e}")
+        return None, None
+def cards(recommendations):
+    # Custom CSS for the cards
+    css = """
+    <style>
+    body {
+     margin: 0;
+    padding: 0;
+    }
+     [data-testid="stAppViewContainer"] ,section{
+        background-color: #3559A0;
+    }
+    .flex-container {
+        display: flex;
+        flex-wrap: nowrap;
+        gap: 15px;
+        justify-content: flex-start;
+        direction: rtl;
+        padding: 20px;
+background-color: #22305C;
+        overflow-x: auto;
+        scrollbar-color: #3559A0 #22305C;
+        scrollbar-width: thin;
+         box-shadow: 0 2px 8px rgba(0,0,0,0.07);
+  }
+  iframe,{
+          border: 1px solid #3559A0;
+        border-radius: 20px;
+        background-color: #22305C;
+        }
+    .card {
+        background: #f9f9f9;
+        border-radius: 10px;
+        box-shadow: 0 2px 8px rgba(0,0,0,0.07);
+        padding: 16px;
+        width: 220px;
+        text-align: right;
+        font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
+        margin-bottom: 15px;
+         flex: 0 0 auto;
+    }
+    .card img {
+        width: 100%;
+        height: 160px;
+        object-fit: cover;
+        border-radius: 8px;
+        margin-bottom: 12px;
+        border: 1px solid #eee;
+    }
+    .card h4 {
+        margin: 8px 0;
+        color: #333;
+        font-size: 16px;
+    }
+    .card p {
+        margin: 4px 0;
+        color: #555;
+        font-size: 14px;
+    }
+    </style>
+    """
+    # Create a complete HTML document
+    cards_html = f"""
+    <!DOCTYPE html>
+    <html>
+    <head>
+        {css}
+    </head>
+    <body>
+        <div class="flex-container">
+    """
+    # Build the flex cards
+    for _, row in recommendations.iterrows():
+        # Handle missing image case
+        image_url = row.get('image', '') if pd.notna(row.get('image', '')) else "https://via.placeholder.com/220x160?text=No+Image"
+        cards_html += f"""
+        <div class="card">
+            <img src="{image_url}" alt="{row.get('name', '')}" onerror="this.src='https://via.placeholder.com/220x160?text=Image+Error'"/>
+            <h4>{row.get('name', '')}</h4>
+            <p>{row.get('type', '')} | {row.get('genre', '')}</p>
+            <p>العمر: {row.get('age_group', '')} | الجنس: {row.get('gender', '')}</p>
+        </div>
+        """
+    cards_html += """
+        </div>
+    </body>
+    </html>
+    """
+    # Use Streamlit's html component to render the HTML properly
+    html(cards_html, height=320, scrolling=False)
+# وظيفة لعرض التوصيات بناءً على العمر والجنس
+def show_recommendations(age, gender, data):
+    if data.empty:
+        st.warning("لا توجد بيانات توصيات متاحة")
+        return
+    # فلترة البيانات بناءً على العمر والجنس (يمكن تعديل هذا المنطق حسب احتياجاتك)
+    try:
+        # تحويل العمر إلى رقم للتصفية
+        # تصفية حسب الجنس
+        # يمكنك تعديل منطق التوصية هنا حسب عمود العمر في بياناتك
+        recommendations = data.loc[
+            (data['gender'] == gender) &
+            (data['age_group'] ==age)
+        ]
+        st.subheader("التوصيا�� المقترحة:")
+        if not recommendations.empty:
+            # عرض التوصيات باستخدام بطاقات
+            cards(recommendations)
+        else:
+            st.warning(recommendations)
+    except Exception as e:
+        st.error(f"حدث خطأ في عرض التوصيات: {e}")
+        st.dataframe(data.sample(5))
+# إنشاء قائمة جانبية للاختيارات
+option = st.sidebar.selectbox(
+    "اختر طريقة إدخال الصورة",
+    ("تحميل من الملف", "التقاط من الكاميرا")
+)
+# متغير للصورة
+uploaded_image = None
+captured_image = None
+image_to_predict = None
+if option == "تحميل من الملف":
+    uploaded_file = st.file_uploader("اختر صورة لتحميلها", type=['jpg', 'png', 'jpeg'])
+    if uploaded_file is not None:
+        # عرض شاشة التحميل
+        with st.spinner('جاري معالجة الصورة...'):
+            uploaded_image = Image.open(uploaded_file)
+            image_to_predict = uploaded_image
+            st.success("تم تحميل الصورة بنجاح!")
+            # عرض الصورة
+            st.image(uploaded_image, caption="الصورة المرفوعة", use_column_width=True)
+else:
+    # خيار التقاط صورة من الكاميرا
+    st.write("اضغط على الزر لتفعيل الكاميرا")
+    picture = st.camera_input("التقاط صورة")
+    if picture:
+        with st.spinner('جاري معالجة الصورة...'):
+            captured_image = Image.open(picture)
+            image_to_predict = captured_image
+            st.success("تم التقاط الصورة بنجاح!")
+# زر لمعالجة الصورة واستخراج البيانات
+if st.button("تحليل الصورة"):
+    if image_to_predict is not None and processor is not None and age_model is not None and gender_model is not None:
+        with st.spinner('جاري تحليل الصورة...'):
+            predicted_age, predicted_gender = predict_image(image_to_predict)
+            if predicted_age is not None and predicted_gender is not None:
+                # عرض النتائج
+                st.subheader("نتائج التحليل:")
+                col1, col2 = st.columns(2)
+                with col1:
+                    st.metric("العمر المتوقع", predicted_age)
+                with col2:
+                    st.metric("الجنس المتوقع",predicted_gender)
+                # عرض التوصيات
+                show_recommendations(predicted_age.lower().strip(), predicted_gender.lower().strip(), data)
+            else:
+                st.error("فشل في تحليل الصورة")
+    else:
+        if image_to_predict is None:
+            st.warning("الرجاء تحميل أو التقاط صورة أولاً")
+        else:
+            st.error("النماذج غير جاهزة للتحليل")
+# قسم لإضافة ملف CSV جديد إذا لزم الأمر
+st.sidebar.header("إدارة البيانات")
+new_csv = st.sidebar.file_uploader("رفع ملف بيانات جديد (CSV)", type=['csv'])
+if new_csv is not None:
+    try:
+        new_data = pd.read_csv(new_csv, encoding='utf-8')
+        new_data.to_csv('data.csv', index=False)
+        st.sidebar.success("تم تحديث بيانات CSV بنجاح!")
+        data = load_data()  # إعادة تحميل البيانات
+    except Exception as e:
         st.sidebar.error(f"حدث خطأ: {e}")