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: