Update app.py

app.py

@@ -31,13 +31,22 @@ def classify_image(input_image):
     predicted_class_id = torch.argmax(outputs.logits, dim=1).item()
     # Converter o ID da classe em rótulo usando o mapeamento id2label
     predicted_class_label = id2label.get(str(predicted_class_id), "Desconhecido")
-    return input_image, predicted_class_label
+    # Abrir a imagem usando PIL
+    image = Image.fromarray(input_image.astype('uint8'))
+    # Criar uma imagem com o rótulo de previsão sobreposta
+    from PIL import ImageDraw, ImageFont
+    draw = ImageDraw.Draw(image)
+    font = ImageFont.load_default()
+    draw.text((10, 10), f'Previsão: {predicted_class_label}', fill='white', font=font)
+    # Converter a imagem resultante de volta para numpy
+    result_image = np.array(image)
+    return result_image
 
 # Criar uma interface Gradio
 interface = gr.Interface(
     fn=classify_image,
     inputs=gr.inputs.Image(type="numpy", label="Carregar uma imagem"),
-    outputs=["image", "text"],
+    outputs=gr.outputs.Image(label="Previsão"),
     title="Classificador de Imagem ViT",
     description="Esta aplicação Gradio permite classificar imagens usando um modelo Vision Transformer (ViT)."
 )