edit codes

app.py

@@ -7,6 +7,7 @@ from PIL import Image
 import tensorflow as tf
 from transformers import SegformerFeatureExtractor, TFSegformerForSemanticSegmentation
 
+# 사전 훈련된 Segformer 특성 추출기와 시맨틱 세그멘테이션 모델을 로드
 feature_extractor = SegformerFeatureExtractor.from_pretrained(
     "nvidia/segformer-b3-finetuned-cityscapes-1024-1024"
     
@@ -15,6 +16,7 @@ model = TFSegformerForSemanticSegmentation.from_pretrained(
     "nvidia/segformer-b3-finetuned-cityscapes-1024-1024"
 )
 
+# ADE20K 데이터셋을 위한 RBG 색상값 정의
 def ade_palette():
     return [
         [204, 87, 92],
@@ -38,14 +40,17 @@ def ade_palette():
         [180, 32, 10],
     ]
 
+# 'labels.txt'에서 로드한 라벨 목록 정의
 labels_list = []
 
 with open(r'labels.txt', 'r') as fp:
     for line in fp:
         labels_list.append(line[:-1])
 
+# 정의한 색상 배열을 NumPy 배열로 변환
 colormap = np.asarray(ade_palette())
 
+# 라벨을 색 이미지로 매핑하는 함수
 def label_to_color_image(label):
     if label.ndim != 2:
         raise ValueError("Expect 2-D input label")
@@ -54,14 +59,17 @@ def label_to_color_image(label):
         raise ValueError("label value too large.")
     return colormap[label]
 
+# 예측된 이미지와 색상 맵을 포함한 플롯을 그리는 함수
 def draw_plot(pred_img, seg):
+    # 예측된 이미지 및 색상 맵 플롯 만들기
     fig = plt.figure(figsize=(20, 15))
-
     grid_spec = gridspec.GridSpec(1, 2, width_ratios=[6, 1])
 
     plt.subplot(grid_spec[0])
     plt.imshow(pred_img)
     plt.axis('off')
+
+    # 세그멘테이션 라벨을 위한 색상 맵 설정
     LABEL_NAMES = np.asarray(labels_list)
     FULL_LABEL_MAP = np.arange(len(LABEL_NAMES)).reshape(len(LABEL_NAMES), 1)
     FULL_COLOR_MAP = label_to_color_image(FULL_LABEL_MAP)
@@ -75,36 +83,44 @@ def draw_plot(pred_img, seg):
     ax.tick_params(width=0.0, labelsize=25)
     return fig
 
+# Input 이미지에 Segformer 모델을 적용하고 플롯을 만드는 함수
 def sepia(input_img):
     input_img = Image.fromarray(input_img)
 
+    # feature 추출 후 Segformer 모델로 예측
     inputs = feature_extractor(images=input_img, return_tensors="tf")
     outputs = model(**inputs)
     logits = outputs.logits
 
+    # 입력 이미지 크기와 일치하도록 크기 조정
     logits = tf.transpose(logits, [0, 2, 3, 1])
     logits = tf.image.resize(
         logits, input_img.size[::-1]
-    )  # We reverse the shape of `image` because `image.size` returns width and height.
+    )
+
+    # 세그멘테이션을 추출하고 라벨을 색상으로 매핑
     seg = tf.math.argmax(logits, axis=-1)[0]
 
     color_seg = np.zeros(
         (seg.shape[0], seg.shape[1], 3), dtype=np.uint8
-    )  # height, width, 3
+    )
     for label, color in enumerate(colormap):
         color_seg[seg.numpy() == label, :] = color
 
-    # Show image + mask
+    # 원본과 세그멘테이션이 혼합된 이미지를 생성
     pred_img = np.array(input_img) * 0.5 + color_seg * 0.5
     pred_img = pred_img.astype(np.uint8)
 
+    # 예측된 이미지와 색상 맵을 포함한 플롯 그리기
     fig = draw_plot(pred_img, seg)
     return fig
 
+# sepia 함수에 대한 Gradio 인터페이스 생성
 demo = gr.Interface(fn=sepia,
                     inputs=gr.Image(shape=(400, 600)),
                     outputs=['plot'],
                     examples=["city-1.jpg", "city-2.jpg", "city-3.jpg"],
                     allow_flagging='never')
 
+# Gradio 인터페이스 실행
 demo.launch()