OpenCV-Python实战（22）——使用Keras和Flask在Web端部署图像识别应用

0. 前言

在深度学习简介中，我们学习了如何使用 Keras 创建深度学习应用程序。在本文中，我们将看到如何使用 Keras 和 Flask 创建深度学习 API REST。更具体地说，我们首先学习如何使用 Keras 中包含的预训练深度学习架构，然后介绍如何使用这些预训练深度学习架构创建深度学习 API。

1. Keras 应用程序

Keras Applications 是 Keras 深度学习库的应用模块，提供了许多流行的深度学习模型架构(例如 VGG16、ResNet50、Xception 和 MobileNet 等)的预训练权重，可用于预测、特征提取和微调。
Keras 在实例化模型时会自动下载预训练的权重，所有这些深度学习架构与所有后端(TensorFlow、Theano 和 CNTK) 兼容。这些深度学习架构在 ImageNet 数据集 上进行训练和验证，用于图像分类任务：