Update app.py

app.py

@@ -159,32 +159,33 @@ def select_preset(preset_id):
         params = DEFAULT_PARAMS.copy()
         
         # Get features and search
-        #features = get_ft(model, image)        #extrait les features, soit le vecteur représentant l’image
-        #distances, indices = get_topk(index, features, topk=params['num_neighbors'])
+        features = get_ft(model, image)        #extrait les features, soit le vecteur représentant l’image
+        distances, indices = get_topk(index, features, topk=params['num_neighbors'])
                                                #utilise l’index pour trouver les k voisins de l’image
                                                #retourne 
                                                # - distances avec les voisins
                                                # - indices : les positions (dans l'index) des voisins
+        
         # Process image
         #features = get_ft(model, image)                                                ########   extrait le vecteur de l'image
-        _, indices = get_topk(index, features, topk=params['num_neighbors'])   ########   extrait les distances avec les premiers voisins
+        #_, indices = get_topk(index, features, topk=params['num_neighbors'])   ########   extrait les distances avec les premiers voisins
         
         # Supposons que vous ayez une fonction pour charger une image
-        def load_image(path):
-            return Image.open(path).convert('RGB')
+        #def load_image(path):
+        #    return Image.open(path).convert('RGB')
         
         # Charger les deux images
-        image1 = load_image(PRESET_IMAGES[1])
-        image2 = load_image(PRESET_IMAGES[2])
+        #image1 = load_image(PRESET_IMAGES[1])
+        #image2 = load_image(PRESET_IMAGES[2])
         
         # Extraire les features
-        features1 = get_ft(model, image1)
-        features2 = get_ft(model, image2)
+        #features1 = get_ft(model, image1)
+        #features2 = get_ft(model, image2)
         
         # Calculer la distance euclidienne
-        distances = np.linalg.norm(features1 - features2)
+        #distances = np.linalg.norm(features1 - features2)
         
-        print(f"Distance euclidienne entre l'image 1 et l'image 2 : {distances}")
+        #print(f"Distance euclidienne entre l'image 1 et l'image 2 : {distances}")
         
         # Collect valid results first
         valid_results = []
@@ -255,25 +256,25 @@ def process_image():
             })
         
         # Process image
-        #features = get_ft(model, image)                                                ########   extrait le vecteur de l'image
-        _, indices = get_topk(index, features, topk=params['num_neighbors'])   ########   extrait les distances avec les premiers voisins
+        features = get_ft(model, image)                                                ########   extrait le vecteur de l'image
+        distances, indices = get_topk(index, features, topk=params['num_neighbors'])   ########   extrait les distances avec les premiers voisins
         
         # Supposons que vous ayez une fonction pour charger une image
-        def load_image(path):
-            return Image.open(path).convert('RGB')
+        #def load_image(path):
+        #    return Image.open(path).convert('RGB')
         
         # Charger les deux images
-        image1 = load_image(PRESET_IMAGES[1])
-        image2 = load_image(PRESET_IMAGES[2])
+        #image1 = load_image(PRESET_IMAGES[1])
+        #image2 = load_image(PRESET_IMAGES[2])
         
         # Extraire les features
-        features1 = get_ft(model, image1)
-        features2 = get_ft(model, image2)
+        #features1 = get_ft(model, image1)
+        #features2 = get_ft(model, image2)
         
         # Calculer la distance euclidienne
-        distances = np.linalg.norm(features1 - features2)
+        #distances = np.linalg.norm(features1 - features2)
         
-        print(f"Distance euclidienne entre l'image 1 et l'image 2 : {distances}")
+        #print(f"Distance euclidienne entre l'image 1 et l'image 2 : {distances}")
         
 
         # Collect valid results first