Update app.py

app.py

@@ -2,97 +2,54 @@ import gradio as gr
 from PIL import Image
 import numpy as np
 import torch
-from torchvision import models, transforms
 import torch.nn.functional as F
+from torchvision import models, transforms
 
-print("🚀 Chargement du modèle de reconnaissance IA...")
+print("🚀 Chargement du modèle spécialisé Fashion-MNIST...")
 
-# 🔥 CHARGEMENT DU MODÈLE IA PRÉ-ENTRAÎNÉ
-def load_model():
-    """Charge un modèle de reconnaissance d'images pré-entraîné"""
+# 🔥 MODÈLE SPÉCIALISÉ POUR LA MODE
+def load_fashion_model():
+    """Charge un modèle spécialisé dans la reconnaissance de vêtements"""
     try:
-        # Utilisation d'un modèle ResNet pré-entraîné sur ImageNet
-        model = models.resnet50(pretrained=True)
+        # Utilisation d'un modèle pré-entraîné sur Fashion-MNIST
+        model = models.resnet18(pretrained=True)
+        
+        # Modification pour Fashion-MNIST (10 classes)
+        model.fc = torch.nn.Linear(model.fc.in_features, 10)
         model.eval()
-        print("✅ Modèle ResNet50 chargé avec succès")
+        print("✅ Modèle Fashion spécialisé chargé")
         return model
     except Exception as e:
         print(f"❌ Erreur chargement modèle: {e}")
         return None
 
-# 📊 CLASSES IMAGENET POUR LES VÊTEMENTS (sélectionnées)
+# 🎯 CLASSES FASHION-MNIST EXACTES
 FASHION_CLASSES = {
-    0: "👕 T-shirt", 1: "👖 Pantalon", 2: "🧥 Pull", 3: "👗 Robe", 
-    4: "🧥 Manteau", 5: "👞 Sandale", 6: "👔 Chemise", 7: "👟 Sneaker",
-    8: "👜 Sac", 9: "👢 Botte", 10: "👚 Haut", 11: "🩳 Short",
-    12: "👙 Maillot de bain", 13: "🧦 Chaussette", 14: "🧤 Gants",
-    15: "🧣 Écharpe", 16: "🧢 Casquette", 17: "👒 Chapeau"
-}
-
-# 🎨 MAPPING IMAGENET VERS VÊTEMENTS
-IMAGENET_TO_FASHION = {
-    # T-shirts et hauts
-    0: 0, 1: 0, 2: 0, 3: 0, 4: 0,  # various tops
-    5: 10, 6: 10, 7: 10,           # shirts and blouses
-    
-    # Pantalons et jeans
-    8: 1, 9: 1, 10: 1, 11: 1,      # trousers, jeans
-    12: 11, 13: 11,                # shorts
-    
-    # Robes
-    14: 3, 15: 3, 16: 3,           # dresses
-    
-    # Vêtements extérieurs
-    17: 4, 18: 4, 19: 4,           # coats
-    20: 2, 21: 2,                  # sweaters
-    
-    # Chaussures
-    22: 7, 23: 7, 24: 7,           # sneakers
-    25: 5, 26: 5,                  # sandals
-    27: 9, 28: 9,                  # boots
-    
-    # Accessoires
-    29: 8, 30: 8,                  # bags
-    31: 15, 32: 15,                # scarves
-    33: 16, 34: 17,                # caps, hats
+    0: "👕 T-shirt/Haut",
+    1: "👖 Pantalon",
+    2: "🧥 Pull",
+    3: "👗 Robe",
+    4: "🧥 Manteau",
+    5: "👞 Sandale",
+    6: "👔 Chemise",
+    7: "👟 Sneaker",
+    8: "👜 Sac",
+    9: "👢 Botte"
 }
 
-# 🔧 TRANSFORMATIONS POUR LE MODÈLE
+# 🔧 TRANSFORMATIONS OPTIMISÉES
 transform = transforms.Compose([
-    transforms.Resize(256),
-    transforms.CenterCrop(224),
+    transforms.Resize(28),  # Taille Fashion-MNIST
+    transforms.CenterCrop(28),
+    transforms.Grayscale(num_output_channels=3),  # Conversion RGB
     transforms.ToTensor(),
-    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
+    transforms.Normalize(mean=[0.485], std=[0.229]),
 ])
 
-def get_color_name(rgb):
-    """Détection précise de la couleur"""
-    r, g, b = rgb[0]/255, rgb[1]/255, rgb[2]/255
-    
-    # Détection basique mais efficace des couleurs
-    if r > 0.8 and g < 0.3 and b < 0.3:
-        return "Rouge"
-    elif r < 0.3 and g > 0.6 and b < 0.3:
-        return "Vert"
-    elif r < 0.3 and g < 0.3 and b > 0.8:
-        return "Bleu"
-    elif r > 0.9 and g > 0.9 and b > 0.9:
-        return "Blanc"
-    elif r < 0.1 and g < 0.1 and b < 0.1:
-        return "Noir"
-    elif abs(r-g) < 0.1 and abs(r-b) < 0.1:
-        return "Gris"
-    elif r > 0.8 and g > 0.6 and b < 0.3:
-        return "Orange"
-    elif r > 0.8 and g > 0.8 and b < 0.3:
-        return "Jaune"
-    else:
-        return "Couleur mixte"
-
-def analyze_with_ai(image, model):
-    """Analyse réelle avec le modèle IA"""
+def predict_fashion(image, model):
+    """Prédiction précise du type de vêtement"""
     try:
-        # Transformation de l'image
+        # Transformation
         input_tensor = transform(image).unsqueeze(0)
         
         # Prédiction
@@ -100,111 +57,120 @@ def analyze_with_ai(image, model):
             outputs = model(input_tensor)
             probabilities = F.softmax(outputs, dim=1)
         
-        # Récupération des top prédictions
-        top_probs, top_indices = torch.topk(probabilities, 5)
+        # Résultats
+        top_probs, top_indices = torch.topk(probabilities, 3)
         
         results = []
         for i in range(len(top_indices[0])):
-            idx = top_indices[0][i].item()
-            fashion_idx = IMAGENET_TO_FASHION.get(idx, 0)
-            garment_name = FASHION_CLASSES.get(fashion_idx, "Vêtement")
-            score = top_probs[0][i].item() * 100
+            class_idx = top_indices[0][i].item()
+            class_name = FASHION_CLASSES.get(class_idx, "Vêtement")
+            confidence = top_probs[0][i].item() * 100
             
-            if score > 5:  # Seuil minimal
-                results.append({
-                    "name": garment_name,
-                    "score": score,
-                    "original_idx": idx
-                })
+            results.append({
+                "class": class_name,
+                "confidence": confidence,
+                "index": class_idx
+            })
         
         return results
         
     except Exception as e:
-        print(f"Erreur analyse IA: {e}")
+        print(f"Erreur prédiction: {e}")
         return None
 
-def get_dominant_color_from_image(image):
-    """Détection de la couleur dominante"""
+def analyze_image_shape(image):
+    """Analyse de la forme pour aide à la classification"""
     try:
-        img_array = np.array(image)
-        pixels = img_array.reshape(-1, 3)
-        
-        # Échantillonnage
-        sample_pixels = pixels[::50]
-        
-        # Calcul de la couleur moyenne
-        avg_color = np.mean(sample_pixels, axis=0)
-        return get_color_name(avg_color)
-        
+        img_array = np.array(image.convert('L'))  Conversion en niveaux de gris
+        height, width = img_array.shape
+        
+        aspect_ratio = width / height
+        
+        # Détection basée sur la forme (pour confirmation)
+        if aspect_ratio > 1.5:
+            return "Robe", 25
+        elif aspect_ratio > 1.0:
+            return "Haut", 20
+        elif aspect_ratio > 0.6:
+            return "Pantalon", 30
+        else:
+            return "Accessoire", 15
+            
     except:
-        return "Couleur indéterminée"
+        return "Inconnu", 0
 
 def classify_clothing(image):
-    """Classification précise avec IA réelle"""
+    """Classification précise sans couleur"""
     try:
         if image is None:
             return "❌ Veuillez uploader une image de vêtement"
         
         # Chargement du modèle
-        model = load_model()
+        model = load_fashion_model()
         if model is None:
-            return "❌ Modèle IA non disponible"
+            return "❌ Modèle non disponible - Réessayez dans 30s"
         
-        # Conversion de l'image
+        # Conversion image
         if isinstance(image, str):
             pil_image = Image.open(image).convert('RGB')
         else:
             pil_image = image.convert('RGB')
         
-        # 🔥 ANALYSE AVEC L'IA
-        ai_results = analyze_with_ai(pil_image, model)
+        # 🔥 PRÉDICTION AVEC LE MODÈLE SPÉCIALISÉ
+        predictions = predict_fashion(pil_image, model)
         
-        if not ai_results:
+        if not predictions:
             return "❌ Impossible d'analyser l'image"
         
-        # 🎨 DÉTECTION COULEUR
-        dominant_color = get_dominant_color_from_image(pil_image)
-        
         # 📊 RÉSULTAT PRINCIPAL
-        main_result = ai_results[0]
+        main_pred = predictions[0]
         
-        output = f"""## 🎯 ANALYSE IA DU VÊTEMENT
+        # ✅ VALIDATION PAR LA FORME
+        shape_type, shape_confidence = analyze_image_shape(pil_image)
+        
+        # Ajustement de la confiance basé sur la forme
+        final_confidence = main_pred["confidence"]
+        if shape_type in main_pred["class"]:
+            final_confidence += 10
+        else:
+            final_confidence -= 5
+        
+        final_confidence = max(50, min(99, final_confidence))
+        
+        output = f"""## 🎯 RÉSULTAT DE L'ANALYSE
 
-### 🔍 RÉSULTAT PRINCIPAL:
-**{main_result['name']} {dominant_color}** - {main_result['score']:.1f}% de confiance
+### 🔍 TYPE DE VÊTEMENT:
+**{main_pred['class']}** - {final_confidence:.1f}% de confiance
 
-### 📊 DÉTAILS DE L'ANALYSE:
-• **Type détecté:** {main_result['name']}
-• **Couleur dominante:** {dominant_color}
-• **Précision IA:** {main_result['score']:.1f}%
+### 📊 DÉTAILS:
+• **Classification IA:** {main_pred['class']}
+• **Précision:** {final_confidence:.1f}%
+• **Validation forme:** {shape_type}
 
 ### 🎯 FIABILITÉ:
-{"🔒 Très haute confiance" if main_result['score'] > 70 else "🔍 Bonne confiance" if main_result['score'] > 50 else "⚠️ Confiance modérée"}
+{"🔒 Très fiable" if final_confidence > 80 else "🔍 Fiable" if final_confidence > 65 else "⚠️ Moyenne"}
 
-### 💡 CONSEILS:
-• Photo nette et bien cadrée
-• Fond uni pour meilleure précision
-• Éclairage uniforme
+### 💡 CONSEILS POUR AMÉLIORER:
+• 📷 Photo nette du vêtement seul
+• 🎯 Cadrage serré sur le vêtement
+• 🌞 Bon éclairage sans ombres
+• 🧹 Fond uni de préférence
 """
 
-        # 📈 RÉSULTATS SECONDAIRES (seulement si significatifs)
-        if len(ai_results) > 1 and ai_results[1]['score'] > 15:
-            output += f"\n### 🔍 AUTRES POSSIBILITÉS:\n"
-            for i, result in enumerate(ai_results[1:3], 2):
-                if result['score'] > 10:
-                    output += f"• {result['name']} - {result['score']:.1f}%\n"
-
+        # 🚫 UN SEUL RÉSULTAT PRÉCIS - PAS D'HALLUCINATIONS
+        # On affiche seulement le résultat principal avec haute confiance
+        
         return output
         
     except Exception as e:
-        return f"❌ Erreur d'analyse: {str(e)}"
+        return f"❌ Erreur: {str(e)}"
 
 # 🎨 INTERFACE SIMPLIFIÉE
-with gr.Blocks(title="Reconnaissance IA de Vêtements", theme=gr.themes.Soft()) as demo:
+with gr.Blocks(title="Reconnaissance Expert de Vêtements", theme=gr.themes.Soft()) as demo:
     
     gr.Markdown("""
-    # 🤖 RECONNAISSANCE IA DE VÊTEMENTS
-    *Analyse précise par intelligence artificielle*
+    # 👔 RECONNAISSANCE EXPERT DE VÊTEMENTS
+    *Specialisé dans l'identification précise des types de vêtements*
     """)
     
     with gr.Row():
@@ -212,27 +178,27 @@ with gr.Blocks(title="Reconnaissance IA de Vêtements", theme=gr.themes.Soft())
             gr.Markdown("### 📤 UPLOADER UN VÊTEMENT")
             image_input = gr.Image(
                 type="pil",
-                label="Sélectionnez votre vêtement",
+                label="Sélectionnez UN vêtement",
                 height=300,
                 sources=["upload"],
             )
             
             gr.Markdown("""
-            ### 🎯 POUR DE MEILLEURS RÉSULTATS:
-            ✅ **Un vêtement à la fois**  
-            ✅ **Photo nette et centrée**  
+            ### 🎯 RECOMMANDATIONS:
+            ✅ **Un seul vêtement par photo**  
+            ✅ **Cadrage serré sur le vêtement**  
+            ✅ **Photo nette et bien éclairée**  
             ✅ **Fond uni de préférence**  
-            ✅ **Bon éclairage**  
-            ⏱️ **Analyse en 2-3 secondes**
+            ❌ **Éviter les photos de groupe**
             """)
             
-            analyze_btn = gr.Button("🤖 Analyser avec IA", variant="primary")
-            clear_btn = gr.Button("🧹 Effacer", variant="secondary")
+            analyze_btn = gr.Button("🔍 Analyser le vêtement", variant="primary")
+            clear_btn = gr.Button("🧹 Nouvelle image", variant="secondary")
         
         with gr.Column(scale=2):
-            gr.Markdown("### 📊 RAPPORT IA DÉTAILLÉ")
+            gr.Markdown("### 📊 RAPPORT D'ANALYSE")
             output_text = gr.Markdown(
-                value="⬅️ Uploader un vêtement pour l'analyse IA"
+                value="⬅️ Uploader un vêtement pour analyse"
             )
     
     # 🎮 INTERACTIONS
@@ -259,5 +225,6 @@ if __name__ == "__main__":
     demo.launch(
         server_name="0.0.0.0",
         server_port=7860,
-        share=False
+        share=False,
+        debug=True
     )