Update app

.gitattributes

@@ -32,3 +32,6 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+Clarin2.jpg filter=lfs diff=lfs merge=lfs -text
+Clarin3.jpg filter=lfs diff=lfs merge=lfs -text
+Popular.jpg filter=lfs diff=lfs merge=lfs -text

app.py

@@ -60,6 +60,7 @@ def recortar_notas(imagen_path: str) -> int:
     
     noticias(foldername)
     segmentacion = f"diarios/predict/{filename}.png"
+    segmentacion = cv2.imread(segmentacion)
     recorte1 = f"recorte/{foldername}/nota 0.jpg"
     prediccion = f"deteccion/{foldername}/predict/nota 0.jpg"
         
@@ -72,23 +73,66 @@ def recortar_notas(imagen_path: str) -> int:
           recorte2 = "sin_nota.jpg"
           prediccion2 = "sin_nota.jpg"
     
-    return cv2.imread(segmentacion), num_notas, recorte1, recorte2,prediccion, prediccion2
+    return segmentacion, prediccion, prediccion2, num_notas
 
 def noticias(carpeta):
         nombre = carpeta
-        model = YOLO("detect-01-05.pt")
+        model = YOLO("best-detect.pt")
         results = model.predict(source=f"recorte/{nombre}", save=True, save_txt=True,project=f"deteccion/{nombre}", conf=0.75)  # save plotted images
         return print(f"Imagen {nombre} procesada correctamente")
 
-gr.Interface(
-    fn = recortar_notas,
-    inputs = [ gr.components.Image(type="filepath", label="Input") ],
-    outputs = [ gr.components.Image(type="filepath", label="Segmentacion"), gr.Label(label="Numero de Notas"),
-                gr.components.Image(type="filepath", label="Recorte Nota"),gr.components.Image(type="filepath", label="Recorte Nota"), 
-                gr.components.Image(type="filepath", label="Deteccion"),gr.components.Image(type="filepath", label="Deteccion"), ],
-
-    title="IA por la Identidad",
-    description="Datathon Fundacion Sadosky",
-    examples=[ ['clarin.jpg']],
-    allow_flagging="never"
-).launch(debug=True, enable_queue=True)
+with gr.Blocks() as demo:
+    gr.Markdown(
+        """
+        <h1 align="center"> IA por la Identidad
+        </h1>
+        <h2 align="center"> Dathaton 
+        </h2>
+        """
+    )   
+    gr.Markdown(
+        """
+<p align="center">
+    <img width = 600 src="https://raw.githubusercontent.com/BonfantiMatias/images/main/banner%20fundaciones.jpeg">
+    
+</p>
+
+"""
+    )
+
+    
+    gr.Markdown(
+    """
+- Puede Seleccionar una de las imagenes de ejemplo o subir una desde su pc
+- Para borrar la imagen que esta en la ventana de procesamiento debe presionar la "X" que se encuentra en el vertice superior derecho
+"""
+    )
+    with gr.Row():
+            seed = gr.components.Image(type="filepath", label="Input") 
+            with gr.Row():
+                with gr.Column():
+                        gr.Examples(["Ambito2.jpg"], inputs=[seed])
+                        gr.Examples(["Clarin2.jpg"], inputs=[seed])
+                        
+                with gr.Column():
+                        gr.Examples(["Popular.jpg"], inputs=[seed])
+                        gr.Examples(["Clarin3.jpg"], inputs=[seed])
+
+    with gr.Row():
+                notas = gr.Label(label="Numero de Notas")
+      
+    with gr.Row():
+            
+        with gr.Column():
+            segmentacion = gr.Image(label="Segmentacion Notas")
+        with gr.Column():
+            prediccion = gr.Image(label="Prediccion Primera Nota")
+        with gr.Column():
+            prediccion2 = gr.Image(label="Prediccion Segunda Nota")
+
+    with gr.Row():
+        btn = gr.Button("Procesar Imagen")
+        btn.click(recortar_notas, inputs=[seed], outputs=[segmentacion, prediccion, prediccion2, notas])          
+          
+if __name__ == "__main__":
+    demo.launch()