Update app.py

app.py

@@ -1,8 +1,6 @@
 import gradio as gr
-from PIL import Image
-import requests
 from transformers import DetrForObjectDetection, DetrFeatureExtractor
-import torch
+from PIL import Image
 
 # 모델과 피처 추출기 로드
 model_id = "facebook/detr-resnet-50"
@@ -10,24 +8,23 @@ model = DetrForObjectDetection.from_pretrained(model_id)
 feature_extractor = DetrFeatureExtractor.from_pretrained(model_id)
 
 def object_detection(image):
-    # 이미지에서 피처 추출
+    # 이미지를 모델이 처리할 수 있는 형태로 변환
     inputs = feature_extractor(images=image, return_tensors="pt")
-    # 모델을 사용한 예측
     outputs = model(**inputs)
 
-    # 예측 결과 처리
-    # outputs는 logits와 기타 정보를 포함하므로, 결과를 해석하여 사용자에게 보여줄 형태로 변환
-    # 여기서는 간단하게 처리합니다. 실제로는 결과를 이미지 위에 박스로 그리는 등의 처리가 필요할 수 있습니다.
-    result = feature_extractor.post_process_object_detection(outputs, threshold=0.9)[0]
-    return result
+    # 결과 처리 로직을 구현하세요.
+    # 예제 코드는 결과 처리 부분을 단순화하고 있습니다.
+    # 실제로는 탐지된 객체를 이미지 위에 박스로 그리는 등의 처리가 필요할 수 있습니다.
+    # 여기서는 outputs의 요약된 정보만을 반환합니다.
+    return outputs.logits.tolist()
 
-# Gradio 앱 정의
+# Gradio 인터페이스 설정 및 앱 실행
 iface = gr.Interface(
     fn=object_detection,
-    inputs=gr.inputs.Image(type="pil"),
-    outputs=[gr.outputs.Image(type="pil"), gr.outputs.Label(num_top_classes=3)],
+    inputs=gr.Image(type="pil", tool="editor"),
+    outputs=gr.Text(),
     title="Object Detection with DETR",
-    description="Upload an image and the model will detect objects in the image."
+    description="Upload an image, and the model will detect objects in the image."
 )
 
 iface.launch()