Update app.py

app.py

@@ -1,7 +1,7 @@
 import gradio as gr
 from transformers import pipeline
 
-# Загружаем модели для анализа тональности, суммаризации текста, генерации подписей к изображениям, ответов на вопросы, перевода текста, определения эмоций, автодополнения кода, определения фейковых новостей и NER
+# Загружаем модели для анализа тональности, суммаризации текста, генерации подписей к изображениям, ответов на вопросы, перевода текста, определения эмоций, автодополнения кода, определения фейковых новостей, NER и классификации изображений
 sentiment_pipeline = pipeline("sentiment-analysis")
 summarization_pipeline = pipeline("summarization")
 image_captioning_pipeline = pipeline("image-to-text")
@@ -11,6 +11,7 @@ emotion_pipeline = pipeline("text-classification", model="bhadresh-savani/distil
 code_completion_pipeline = pipeline("text-generation", model="Salesforce/codegen-350M-mono")
 fake_news_pipeline = pipeline("text-classification", model="roberta-base-openai-detector")
 ner_pipeline = pipeline("ner", model="dbmdz/bert-large-cased-finetuned-conll03-english", grouped_entities=True)
+image_classification_pipeline = pipeline("image-classification", model="google/vit-base-patch16-224")
 
 # Функция для анализа тональности текста
 def analyze_sentiment(text):
@@ -60,6 +61,14 @@ def recognize_entities(text):
         entities.append(f"Entity: {entity['word']}, Label: {entity['entity_group']}, Confidence: {entity['score']:.4f}")
     return "\n".join(entities)
 
+# Функция для классификации изображений
+def classify_image(image):
+    result = image_classification_pipeline(image)
+    classifications = []
+    for item in result:
+        classifications.append(f"Label: {item['label']}, Confidence: {item['score']:.4f}")
+    return "\n".join(classifications)
+
 # Примеры текстов для анализа тональности
 sentiment_examples = [
     "I love programming, it's so much fun!",
@@ -127,6 +136,13 @@ ner_examples = [
     "Elon Musk is the CEO of Tesla and SpaceX."
 ]
 
+# Примеры изображений для классификации
+classification_examples = [
+    "https://a.d-cd.net/b977306s-1920.jpg",  # Пример 1
+    "https://i.pinimg.com/originals/ba/bd/6d/babd6d37eb2dd965c7f1dfb516d54094.jpg",  # Пример 2
+    "https://get.wallhere.com/photo/sea-bay-water-beach-coast-swimming-pool-resort-island-lagoon-Caribbean-vacation-estate-leisure-ocean-tropics-2560x1440-px-geographical-feature-atoll-554636.jpg"  # Пример 3
+]
+
 # Создаем интерфейс Gradio с вкладками
 with gr.Blocks() as demo:
     with gr.Tab("Sentiment Analysis"):
@@ -222,6 +238,16 @@ with gr.Blocks() as demo:
             examples=ner_examples,
             examples_per_page=2
         )
+    with gr.Tab("Image Classification"):
+        gr.Interface(
+            fn=classify_image,
+            inputs=gr.Image(type="pil", label="Загрузите изображение"),
+            outputs="text",
+            title="Классификация изображений",
+            description="Загрузите изображение, чтобы классифицировать его.",
+            examples=classification_examples,
+            examples_per_page=2
+        )
 
 # Запускаем интерфейс
 demo.launch()