Spaces:
Running
Running
File size: 2,242 Bytes
5871a52 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 |
import gradio as gr
import numpy as np
import tensorflow as tf
from tensorflow.keras.preprocessing import image
# 모델 로드 (파일명 수정)
model = tf.keras.models.load_model("cell_organelle_classifier.keras")
# 모델의 class_indices 순서에 맞춘 리스트 (오타 수정 포함)
class_names = ['class_ER', 'class_chloroplast', 'class_golgi', 'class_mitochondria']
# 한글 라벨 매핑
kor_label_map = {
'class_ER': '소포체',
'class_chloroplast': '엽록체',
'class_golgi': '골지체',
'class_mitochondria': '미토콘드리아'
}
# 관련 기사 링크 (클래스명 키도 수정)
related_links = {
'class_mitochondria': [
"https://biz.chosun.com/science-chosun/medicine-health/2025/06/26/LWAWZ4KCDFB4NHXRPNSXZO4BZ4/",
"https://www.joongang.co.kr/article/25326557"
],
'class_ER': [
"https://www.snu.ac.kr/research/highlights?md=v&bbsidx=155485",
"https://m.dongascience.com/news.php?idx=68985"
],
'class_golgi': [
"https://www.chosun.com/economy/science/2024/07/16/YS7Q7BVSM7G5H7SSPUPFSTWH2I/",
"https://www.snu.ac.kr/snunow/press?md=v&bbsidx=149578"
],
'class_chloroplast': [
"https://www.fnewstv.com/news/newsview.php?ncode=1065602102008791&dt=m",
"https://www.hani.co.kr/arti/opinion/column/1205729.html"
]
}
def classify_image(img):
img = img.resize((224, 224))
img_array = image.img_to_array(img) / 255.0
img_array = np.expand_dims(img_array, axis=0)
pred = model.predict(img_array)
pred_class = np.argmax(pred[0])
pred_label = class_names[pred_class]
pred_label_kor = kor_label_map.get(pred_label, pred_label)
confidence = pred[0][pred_class] * 100
links = related_links[pred_label]
result = f"🔬 예측 결과: {pred_label_kor} ({confidence:.2f}%)\n\n🔗 관련 기사:\n" + "\n".join(links)
return result
demo = gr.Interface(
fn=classify_image,
inputs=gr.Image(type="pil"),
outputs="text",
title="세포소기관 분류기🔬 | 엽록체, 미토콘드리아, 소포체, 골지체 분류",
description="이미지를 업로드하면 어떤 세포소기관인지 분류하고 관련 기사를 보여줍니다."
)
demo.launch()
|