Update app.py

app.py

@@ -2,11 +2,11 @@
 
 from PIL import Image
 import numpy as np
-import io                       #manipule des images téléchargées via une URL ou une API
-import faiss                    #librairie pour la recherche de similarité dans des vecteurs
+import io                             #manipule des images téléchargées via une URL ou une API
+import faiss                          #librairie pour la recherche de similarité dans des vecteurs
 
-import requests                 #télécharge des images et récupére une image depuis une URL
-import torch                    #modèles de machine learning pour extraire les features d’images (vecteurs)
+import requests                       #télécharge des images et récupére une image depuis une URL
+import torch                          #modèles de machine learning pour extraire les features d’images (vecteurs)
 
 from request import get_ft, get_topk  #get_ft extrait les vecteurs, get_topk trouve les k plus proches voisins
 from flickrapi import FlickrAPI
@@ -14,7 +14,7 @@ from flickrapi import FlickrAPI
 from flask import Flask, request, render_template, jsonify, send_from_directory
 app = Flask(__name__)
 
-PRESET_IMAGES = {
+PRESET_IMAGES = {                     #les images présélectionnées sont rangées sous /static
     1: "static/1.webp",
     2: "static/2.webp",
     3: "static/3.webp"
@@ -26,8 +26,7 @@ FLICKR_API_SECRET = '4d0e8ce6734f4b3f'
 flickr = FlickrAPI(FLICKR_API_KEY, FLICKR_API_SECRET, format='parsed-json', store_token=False)
 
 def get_photo_id(url):
-    """Extract photo ID from Flickr URL"""
-    """ex. get_photo_id(https://exemple.com/images/photo_chat_001.jpg)= photo"""
+    """Extract photo ID from Flickr URL"""           #ex. get_photo_id(https://exemple.com/images/photo_chat_001.jpg)= photo
     try:
         return url.split('/')[-1].split('_')[0]
     except:
@@ -214,8 +213,8 @@ def process_image():
         return jsonify({'error': 'No image provided'}), 400
     
     try:
-        image_file = request.files['image']
-        image = Image.open(io.BytesIO(image_file.read())).convert('RGB')
+        image_file = request.files['image']                               #attend un fichier image transmis par l'utilisateur
+        image = Image.open(io.BytesIO(image_file.read())).convert('RGB')  #convertit l'image en RGB
         
         # Use default parameters if none provided
         params = DEFAULT_PARAMS.copy()
@@ -231,8 +230,8 @@ def process_image():
             })
         
         # Process image
-        features = get_ft(model, image)
-        distances, indices = get_topk(index, features, topk=params['num_neighbors'])
+        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
         
         # Collect valid results first
         valid_results = []