用Flask构筑微型yolo服务器

最新推荐文章于 2024-08-03 11:52:04 发布

robinspada

最新推荐文章于 2024-08-03 11:52:04 发布

阅读量1.8k

点赞数 4

文章标签： Flask python yolo keras

本文链接：https://blog.csdn.net/robinspada/article/details/87365365

版权

本文介绍了如何使用Python的Flask框架构建一个微型Web服务器，结合YOLOv3（keras-yolo3）进行图像识别。服务器端代码中，YOLO模型在启动时初始化并常驻内存以提高识别速度。客户端通过发送请求，服务器返回JSON格式的识别结果，包括预测类别和置信度。这种方式实现了深度学习模型与非Python应用程序的交互。

摘要由CSDN通过智能技术生成

深度学习的语言一般是python，需要强大的机器配置，还有GPU，而应用程序一般是其他语言c#,java，php等等，如何把2者联系起来？我们首先想到的就是web方式，因为web跨平台，简单维护方便。

Flask是一个使用 Python 编写的轻量级 Web 应用框架，简单易用著称，正好适合做服务器

Flask服务器端代码

from flask import Flask,request,make_response
from PIL import Image
from io import BytesIO
from yolo import YOLO
import json
app = Flask(__name__)

# 加载模型
yolo = YOLO()

# 处理请求
@app.route('/hello', methods=['POST'])
def hello():
    global yolo
    img = request.stream.read()
    f = BytesIO(img)
    image = Image.open(f)
    out_boxes, out_scores, out_classes = yolo.detect_image2(image)
    data = []
    for i, c in reversed(list(enumerate(out_classes))):
        item = {
        'predicted_class': yolo.class_names[c],
        #'box': out_boxes[i],
        'score': str(ou