Update app.py

app.py

@@ -3,27 +3,41 @@ from PIL import Image
 import gradio as gr
 from transformers import AutoImageProcessor, ResNetForImageClassification
 
-# โหลดโมเดลและ image processor
+# โหลดโมเดล ResNet-50
 model_name = "microsoft/resnet-50"
 model = ResNetForImageClassification.from_pretrained(model_name)
 processor = AutoImageProcessor.from_pretrained(model_name)
 
-# ฟังก์ชันรับภาพและคืน label ที่โมเดลทำนาย
-def classify_image(image):
+# จำลอง label BMI category
+bmi_labels = ["Underweight", "Normal", "Overweight", "Obese"]
+
+# ตัวอย่าง logic จำแนกเบื้องต้นโดย mapping จาก class id (mock-up logic)
+def map_to_bmi(class_id):
+    if class_id < 250:      # สุ่ม logic สำหรับ demo
+        return "Underweight"
+    elif class_id < 500:
+        return "Normal"
+    elif class_id < 750:
+        return "Overweight"
+    else:
+        return "Obese"
+
+# ฟังก์ชันหลัก
+def predict_bmi(image):
     inputs = processor(images=image, return_tensors="pt")
     with torch.no_grad():
         logits = model(**inputs).logits
-    predicted_class_idx = logits.argmax(-1).item()
-    label = model.config.id2label[predicted_class_idx]
-    return label
+    class_id = logits.argmax(-1).item()
+    bmi_category = map_to_bmi(class_id)
+    return f"Estimated Body Type (BMI category): {bmi_category}"
 
-# UI ด้วย Gradio
+# Gradio UI
 demo = gr.Interface(
-    fn=classify_image,
+    fn=predict_bmi,
     inputs=gr.Image(type="pil"),
     outputs="text",
-    title="ResNet-50 Image Classifier",
-    description="จำแนกรูปภาพด้วย ResNet-50 ที่ฝึกด้วย ImageNet"
+    title="BMI Estimator (Demo with ResNet-50)",
+    description="จำแนกรูปร่างตามลักษณะ BMI ด้วย ResNet-50 (Demo Simulation)"
 )
 
 demo.launch()