Python应用案例——基于Flask框架的图像识别小程序

目录

一、项目需求：

二、编译环境：

三、项目结构：

四、功能演示： 

1、程序首页面

2、上传图片

3、图像预测

 五、部分代码展示

1、模型加载

2、模型预测

3、前端页面

六、程序源码

---

一、项目需求：

1、用户上传图片信息，检测出物体种类。

二、编译环境：

编译器：Pycharm2022.2.1

全栈框架：Flask2.2.5

编程语言：Python3.7

深度学习框架：TensorFlow2.3

三、项目结构：

四、功能演示： 

1、程序首页面

2、上传图片

3、图像预测

 

预测结果：罗得西亚脊背犬

 五、部分代码展示

1、模型加载

应用keras框架的现有模型Vgg19

from tensorflow.keras.applications.vgg19 import VGG19

# 随机初始化
model = VGG19(weights=None)
# 使用在ImageNet上预训练的权重
model = VGG19(weights='imagenet')

#vgg19模型下载地址：https://blog.csdn.net/dcrmg/article/details/81178424
#model = VGG19(weights='./model/vgg/weights_19_layers/vgg19_weights_tf_dim_ordering_tf_kernels.h5')
#关于加载模型的一些保存解决：https://blog.csdn.net/qq_41776781/article/details/94550179

model.make_predict_function()          # Necessary if Tesorflow above 2.0
#model._make_predict_function()          # Necessary if Tesorflow below 2.0

2、模型预测

def model_predict(img_path, model):
    img = image.load_img(img_path, target_size=(224, 224))

    # Preprocessing the image
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    x = preprocess_input(x)
    preds = model.predict(x)
    return preds

3、前端页面

六、程序源码

本专栏订阅用户私聊发程序源码

非本专栏订阅用户下载链接：https://download.csdn.net/download/qq_51701007/88859503