Create app.py

app.py

@@ -0,0 +1,35 @@
+import gradio as gr
+import numpy as np
+import tensorflow as tf
+from PIL import Image
+import cv2
+
+# Certifique-se de que o nome do ficheiro do seu modelo é o mesmo que o que fez upload
+MODEL_PATH = "segmentation_model.h5"
+model = tf.keras.models.load_model(MODEL_PATH)
+
+def predict_image(input_image):
+    # Converte a imagem de PIL para NumPy
+    img_np = np.array(input_image)
+
+    # Redimensiona a imagem para o tamanho de entrada do modelo (256, 256)
+    img_resized = tf.image.resize(img_np, (256, 256))
+    img_input = np.expand_dims(img_resized, axis=0)
+
+    # Faz a previsão
+    prediction = model.predict(img_input)
+    mask_predicted = np.argmax(prediction[0], axis=-1)
+
+    # Converte a máscara de volta para uma imagem e redimensiona
+    mask_image = Image.fromarray(mask_predicted.astype(np.uint8) * 50) # *50 para visualizar melhor
+
+    return mask_image
+
+# Define a interface Gradio
+gr.Interface(
+    fn=predict_image,
+    inputs=gr.Image(type="pil"),
+    outputs="image",
+    title="Ferramenta de Segmentação de Objetos",
+    description="Carregue uma imagem e o modelo irá segmentar os objetos detetados."
+).launch()