Upload 4 files

appp.py

@@ -0,0 +1,56 @@
+import streamlit as st
+from PIL import Image
+import numpy as np
+from tensorflow.keras.models import load_model
+
+# Hastalık sınıfları
+sınıflar = ['Hastalıklı', 'Sağlıklı']
+
+# Modeli yükleme
+model = load_model('model95.h5')  # Modelinizin yolunu buraya ekleyin
+model.summary()
+
+def process_img(img):
+    img = img.resize((128, 128), Image.LANCZOS)  # 128x128 piksel boyutuna dönüştürme
+    img = np.array(img) / 255.0  # Normalize etme
+    img = np.expand_dims(img, axis=0)  # Resme boyut ekleme
+    return img
+
+st.title("Malaria Hastalığı Sınıflandırması :date:")
+st.write(
+    "Bir mikroskop resmi seçin ve modelimiz, bu resmin **Malaria** hastalığı gösterip göstermediğini tahmin etsin. 🖼️📊\n"
+    "Upload an image and the model will predict whether the image shows **Malaria** or not."
+)
+
+# Stil ayarları
+st.markdown("""
+<style>
+    .reportview-container {
+        background: #F0F2F6;
+    }
+    .sidebar .sidebar-content {
+        background: #E0E0E0;
+    }
+    .css-18e3th9 {
+        font-size: 1.25em;
+        color: #333;
+    }
+</style>
+""", unsafe_allow_html=True)
+
+file = st.file_uploader("Resim Yükle & Bir resim seçiniz", type=['png', 'jpg', 'jpeg'])
+
+if file is not None:
+    img = Image.open(file)
+    st.image(img, caption="Yüklenen Resim", use_column_width=True)
+    
+    result = process_img(img)
+    prediction = model.predict(result)
+    prediction_class = np.argmax(prediction)  # En yüksek tahmin edilen sınıf
+
+    # Sınıf isimleri
+    result_text = sınıflar[prediction_class]
+
+    st.write(f"**Sonuç:** {result_text}")
+else:
+    st.write("Lütfen bir resim yükleyin.")

model95.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:79b498f8ab4000bf0f85e6cb47596d3a9316264c38cbca114173b30bd0769d3a
+size 12817368

requirements.txt

@@ -0,0 +1,2 @@
+tensorflow
+streamlit