Tomjedo/SAEBUT3

1import streamlit as st2import numpy as np3import tensorflow as tf4from PIL import Image5from tensorflow.keras.losses import MeanSquaredError6import tensorflow as tf7import streamlit as st8 9st.write(f"✅ TensorFlow version: {tf.__version__}")10 11 12# Charger les modèles une seule fois avec les bons noms de fichiers13@st.cache_resource14def load_models():15    """Charge tous les modèles de prédiction avec les bons fichiers."""16    import tensorflow as tf17	# Charger le modèle compatible avec TF 2.1318    model_age = tf.keras.models.load_model("modelAge_fixed.h5", compile=False)19 20    model_gender = tf.keras.models.load_model("modelGenreA100.keras") 21    model_age_gender = tf.keras.models.load_model("best_age_genre_model.h5", compile=False)22    23    return model_age, model_gender, model_age_gender24 25# Charger les modèles26model_age, model_gender, model_age_gender = load_models()27 28def preprocess_image(image, target_size=(224, 224), grayscale=True):29    """Prépare l'image pour les prédictions."""30    image = image.resize(target_size)31    if grayscale:32        image = image.convert("L")  # Grayscale33        img_array = np.array(image) / 255.034        img_array = img_array.reshape(1, target_size[0], target_size[1], 1)  # Ajouter batch et canal35    else:36        image = image.convert("RGB")  # Pour d'autres modèles utilisant RGB37        img_array = np.array(image) / 255.038        img_array = img_array.reshape(1, target_size[0], target_size[1], 3)39    return img_array40 41# Interface Streamlit42st.title("Prédiction d'âge et de genre par IA")43st.write("Chargez une image de visage pour obtenir les prédictions.")44 45# Upload d'image46uploaded_image = st.file_uploader("Téléchargez une image", type=["jpg", "png", "jpeg"])47 48if uploaded_image is not None:49    image = Image.open(uploaded_image)50    st.image(image, caption="Image chargée", use_column_width=True)51 52    # Choix du modèle53    option = st.radio("Choisissez le modèle :", ("Âge", "Genre", "Âge et Genre"))54 55    if st.button("Prédire"):56        if option == "Âge":57            img_gray = preprocess_image(image, target_size=(224,224), grayscale=True)58            age_pred = model_age.predict(img_gray)[0][0]59            st.success(f"📌 **Âge prédit** : {int(age_pred)} ans")60 61        elif option == "Genre":62            img_gray = preprocess_image(image, target_size=(224,224), grayscale=True)63            gender_pred = model_gender.predict(img_gray)[0][0]64            gender_text = "Homme" if gender_pred < 0.5 else "Femme"65            st.success(f"📌 **Genre prédit** : {gender_text}")66 67        elif option == "Âge et Genre":68            img_gray = preprocess_image(image, target_size=(96,96), grayscale=True)69            70            age_pred, gender_pred = model_age_gender.predict(img_gray)71            # Convertir les valeurs en scalaires72            age_pred = age_pred[0][0]  # Âge73            gender_pred = gender_pred[0][0]  # Genre74            # Déterminer le genre (seuil de 0.5)75            gender_text = "Homme" if gender_pred < 0.5 else "Femme"76            # Afficher les résultats77            st.success(f"📌 **Âge prédit** : {int(age_pred)} ans")78            st.success(f"📌 **Genre prédit** : {gender_text}")