metadata v4

app.py

@@ -2,7 +2,7 @@ import numpy as np
 from PIL import Image, UnidentifiedImageError
 import gradio as gr
 from deepface import DeepFace
-from datasets import load_dataset, DownloadConfig, Image as HfImage
+from datasets import load_dataset, Image as HfImage
 import os
 import pickle
 from pathlib import Path
@@ -10,23 +10,19 @@ import gc
 import requests
 from io import BytesIO
 
-# 🔑 Configurar token de Hugging Face
+# 🔑 Token de autenticación
 HF_TOKEN = os.getenv("HF_TOKEN")
 if not HF_TOKEN:
     raise ValueError("⚠️ Por favor, configura la variable de entorno HF_TOKEN para acceder al dataset privado")
 
-# 📁 Configurar directorio de embeddings
+# 📁 Directorio para embeddings
 EMBEDDINGS_DIR = Path("embeddings")
 EMBEDDINGS_DIR.mkdir(exist_ok=True)
 EMBEDDINGS_FILE = EMBEDDINGS_DIR / "embeddings.pkl"
 
-# ✅ Cargar el dataset de Hugging Face con imágenes decodificadas
-dataset = load_dataset("Segizu/facial-recognition", data_files="metadata.csv", token=HF_TOKEN)
-if "train" in dataset:
-    dataset = dataset["train"]
-
-# Cast the image column to HfImage format
-dataset = dataset.cast_column("image", HfImage())
+# ✅ Cargar dataset desde metadata.csv (con URLs absolutas)
+dataset = load_dataset("csv", data_files="metadata.csv")
+dataset = dataset["train"].cast_column("image", HfImage())
 
 # 🔄 Preprocesar imagen para Facenet
 def preprocess_image(img: Image.Image) -> np.ndarray:
@@ -51,17 +47,21 @@ def build_database():
 
         for j, item in enumerate(batch):
             try:
-                # Manejar ruta local o URL remota
                 img_data = item["image"]
-                if isinstance(img_data, str):
-                    response = requests.get(img_data)
-                    img = Image.open(BytesIO(response.content))
-                elif isinstance(img_data, dict) and "bytes" in img_data:
-                    img = Image.open(BytesIO(img_data["bytes"]))
+
+                # 📥 Descargar imagen si es una URL
+                if isinstance(img_data, str) and img_data.startswith("http"):
+                    response = requests.get(img_data, timeout=10)
+                    response.raise_for_status()
+                    img = Image.open(BytesIO(response.content)).convert("RGB")
+
+                # Usar imagen si ya viene decodificada
                 elif isinstance(img_data, Image.Image):
                     img = img_data
+
                 else:
-                    raise ValueError(f"Formato de imagen no soportado: {type(img_data)}")
+                    print(f"❌ Formato desconocido en imagen {i+j}: {type(img_data)}")
+                    continue
 
                 img_processed = preprocess_image(img)
                 embedding = DeepFace.represent(
@@ -76,14 +76,14 @@ def build_database():
                 del img_processed
                 gc.collect()
 
-            except UnidentifiedImageError:
-                print(f"❌ Imagen no válida en {i+j}: no se pudo identificar")
+            except (requests.RequestException, UnidentifiedImageError) as e:
+                print(f"❌ Falló descarga/lectura de imagen {i+j}: {e}")
                 continue
             except Exception as e:
                 print(f"❌ No se pudo procesar imagen {i+j}: {str(e)}")
                 continue
 
-        # Guardar progreso
+        # 💾 Guardar después de cada batch
         if database:
             print("💾 Guardando progreso...")
             with open(EMBEDDINGS_FILE, 'wb') as f:
@@ -126,7 +126,7 @@ def find_similar_faces(uploaded_image: Image.Image):
 
     return gallery_items, text_summary
 
-# ⚙️ Inicializar base
+# ⚙️ Inicializar
 print("🚀 Iniciando aplicación...")
 database = build_database()
 print(f"✅ Base de datos cargada con {len(database)} imágenes")