Update app.py

app.py

@@ -1,41 +1,53 @@
-from flask import Flask, request, jsonify
+from flask import Flask, request, render_template, jsonify
 from PIL import Image
-import requests
-from io import BytesIO
+import gradio as gr
+import torch
 from transformers import DetrImageProcessor, DetrForObjectDetection
 
 app = Flask(__name__)
 
 # Cargar el modelo preentrenado de Hugging Face
-model_id = "facebook/detectron2/face-detection"  # Usar el modelo adecuado
+model_id = "facebook/detectron2/face-detection"  # Reemplaza con el modelo correcto
 processor = DetrImageProcessor.from_pretrained(model_id)
 model = DetrForObjectDetection.from_pretrained(model_id)
 
-@app.route('/detect_face', methods=['POST'])
-def detect_face():
-    # Verificar si la imagen fue enviada
-    if 'file' not in request.files:
-        return jsonify({"error": "No file part"}), 400
-    file = request.files['file']
-    
-    # Leer la imagen desde el archivo
-    img = Image.open(file.stream)
-    
-    # Preprocesar la imagen
-    inputs = processor(images=img, return_tensors="pt")
+# Función para detectar rostros en una imagen
+def detect_face(image):
+    # La imagen 'image' es el input que viene de la interfaz de Gradio (tipo PIL)
+    # Preprocesar la imagen antes de pasársela al modelo
+    inputs = processor(images=image, return_tensors="pt")
     
     # Ejecutar la inferencia
     outputs = model(**inputs)
     
-    # Extraer las cajas delimitadoras
-    target_sizes = torch.tensor([img.size[::-1]])  # (height, width)
+    # Obtener las cajas delimitadoras y sus probabilidades
+    target_sizes = torch.tensor([image.size[::-1]])  # (height, width)
     results = processor.post_process_object_detection(outputs, target_sizes=target_sizes, threshold=0.9)[0]
     
-    # Verificar si se detectó algún rostro
+    # Verificar si se detectaron rostros
     if len(results['scores']) > 0:
-        return jsonify({"message": "Face detected", "confidence": results['scores'].tolist()})
+        return "Face detected!"
     else:
-        return jsonify({"message": "No face detected"})
+        return "No face detected"
+
+# Interfaz de Gradio para cargar imagen
+def gradio_interface():
+    # Gradio permite que el usuario cargue una imagen desde su dispositivo
+    interface = gr.Interface(
+        fn=detect_face,  # La función que procesará la imagen cargada
+        inputs=gr.inputs.Image(type="pil"),  # Input que espera una imagen (tipo PIL)
+        outputs="text",  # Resultado que será mostrado como texto
+        live=True,  # Hacer la detección en tiempo real mientras se carga la imagen
+        title="Face Detection",
+        description="Upload an image to detect faces."
+    )
+    return interface
+
+@app.route('/')
+def index():
+    # Renderiza la interfaz de Gradio en la página principal
+    return gradio_interface().launch(inline=True)
 
 if __name__ == '__main__':
+    # Ejecuta la aplicación Flask en el puerto 5000
     app.run(debug=True, host='0.0.0.0', port=5000)