利用Python web框架Django实现py-faster-rcnn demo实例

最新推荐文章于 2024-05-20 10:43:41 发布

weixin_30593443

最新推荐文章于 2024-05-20 10:43:41 发布

阅读量266

点赞数

文章标签： python 数据库开发工具

原文链接：http://www.cnblogs.com/deeplearning1314/p/8007300.html

版权

---作者吴疆，未经允许，严禁转载，违权必究---

---欢迎指正，需要源码和文件可站内私信联系---

-----------点击此处链接至博客园原文-----------

功能说明：利用Python web框架Django，将faster-rcnn的demo程序以网页形式展现出来，简而言之是基于B-S架构的编程，直观地以网页形式展示目标检测的功能。

运行环境：Window7 cpu Python2.7 Pycharm5.0 Django1.8x

一、功能预览

首先，启动服务器，将返回一个网址： http://127.0.0.1:8000/ 即本机地址（模拟网页，本机同时是服务器和模拟前端用户）

然后，我们可以登录上面给出的地址

接着，我们输入相关内容，点击ok

等待网页返回处理后的结果（楼下俺的女朋友）

可以看到此时后台在执行faster rcnn相关代码

如果想复现上述功能，请按本人写作顺序依次进行相关操作。

二、Django环境的搭建

参考链接：Django自学之路

以本人Windows7系统为例看上述参考链接中Django环境搭建2.1.2部分，建议选Django1.8版本，便于后续学习。建议自主学习本网址Django视图与网址部分，半小时就能理解。大致能对新建Django工程、工程目录下应有什么文件、以及主要的一些文件如views.py、urls.py的作用有个清晰的理解，这些内容还是静静地学习这个网址的讲解，后文我也会提及一部分。以下是本人安装Django的简要笔记，大略可以参考一下。

三、本文Django工程中的文件上传机制

参考这篇博客，其基于deepin linux 2013、Python 2.7、Django 1.6.2环境实现的，由于本人环境为Window7 Django1.8，因此需要做部分修改，结合上述参考blog做如下操作：

（1）创建项目与应用

这部分内容在”一”中所给参考链接中讲解的非常清楚，本人Django工程地址：E:\deep learning\py-faster-rcnn-master\tools\，首先cmd模式下cd到你想放置的路径，然后输入django-admin.py startproject mysite2 即可创建一个名为mysite2的Django工程，接着cd到mysite2的路径 cd mysite2，在项目下创建一个disk应用 python manage.py startapp disk，这时，可以在相应位置看到新建的Django工程，以及可以看到类似于下面的Django工程目录结构。

打开mysite2/mysite2/settings.py，将disk应用添加进去，如下所示：

# Application definition

INSTALLED_APPS = (
    'django.contrib.admin',
    'django.contrib.auth',
    'django.contrib.contenttypes',
    'django.contrib.sessions',
    'django.contrib.messages',
    'django.contrib.staticfiles',
    'disk',
)

（2）设计model（数据库）

打开mysite2/disk/models.py，添加如下内容即可创建两个字段，username用于存放用户名、headImg用于存放上传图片路径。

from django.db import models

# Create your models here.
class User(models.Model):
    username = models.CharField(max_length = 30)
    headImg = models.FileField(upload_to = './upload/')
    def __unicode__(self):
        return self.username

后面执行上传图片操作时，会将图片传至upload文件夹内。

（3）数据库同步

cmd模式下cd 到Django工程mysite2（第一级的mysite2）下，依次敲入以下命令（由于本人版本不同所以命令与上述参考博客中略有不同），按提示依次输入python manage.py syncdb，python manage.py makemigration，python manage.py migrate，正常情况下，cmd窗口应该会显示以下内容：（忽略我这里设置的路径，我刚开始默认存在c盘的，为了方便工作我后来直接拷贝整个Django工程到e盘相关路径下，也是能正常工作的）

同时将在mysite2中看到一些和数据库有关的文件

（4）创建视图函数mysite2\disk\views.py

在这里我直接把demo.py稍加修改也一并放在这里了，详情可看注释，重点关注register()函数

# -*- coding:utf-8 -*-
#Author: Wu Jiang


import _init_paths       #导入路径，调用faster_rcnn中相关模块
from django.shortcuts import render,render_to_response
from django import forms         #Django表单方式上传图片
from django.http import HttpResponse
from disk.models import User                        
from fast_rcnn.config import cfg
from fast_rcnn.test import im_detect
from fast_rcnn.nms_wrapper import nms
#from utils.timer import Timer  by wj 11.3
import matplotlib.pyplot as plt   #matlab中画图工具
import numpy as np
import scipy.io as sio
import caffe, os, sys, cv2
import argparse
import sys
#from skimage import io,data   #11.19 by wj
#import shutil      #11.27 by wj  file
from os import listdir  #11.28 by wj    上述导入模块有三个来源：一是views.py源文件、二是从demo中拷贝过来、三是为了后面读写文件操作

# Create your views here.
class UserForm(forms.Form):
    username = forms.CharField()
    headImg = forms.FileField()    
    
#直接从demo中拷贝来的
CLASSES = ('__background__',
           'aeroplane', 'bicycle', 'bird', 'boat',
           'bottle', 'bus', 'car', 'cat', 'chair',
           'cow', 'diningtable', 'dog', 'horse',
           'motorbike', 'person', 'pottedplant',
           'sheep', 'sofa', 'train', 'tvmonitor')
           
NETS = {'vgg16': ('VGG16',
                  'VGG16_faster_rcnn_final.caffemodel'),
        'zf': ('ZF',
                  'ZF_faster_rcnn_final.caffemodel')}
                  
def vis_detections(im, class_name, dets, thresh=0.5):
    """Draw detected bounding boxes."""
    inds = np.where(dets[:, -1] >= thresh)[0]
    if len(inds) == 0:
        return

    im = im[:, :, (2, 1, 0)]
    fig, ax = plt.subplots(figsize=(12, 12))     
    ax.imshow(im, aspect='equal')
    for i in inds:
        bbox = dets[i, :4]
        score = dets[i, -1]

        ax.add_patch(
            plt.Rectangle((bbox[0], bbox[1]),         
                          bbox[2] - bbox[0],
                          bbox[3] - bbox[1], fill=False,
                          edgecolor='red', linewidth=3.5)
            )
        ax.text(bbox[0], bbox[1] - 2,
                '{:s} {:.3f}'.format(class_name, score),
                bbox=dict(facecolor='blue', alpha=0.5),
                fontsize=14, color='white')

    ax.set_title(('{} detections with '
                  'p({} | box) >= {:.1f}').format(class_name, class_name,
                                                  thresh),
                  fontsize=14)
    plt.axis('off')
    plt.tight_layout()
    plt.draw()
    plt.savefig('test.png')   #图片处理后保存下来

def demo(net, image_name):
    """Detect object classes in an image using pre-computed object proposals."""

    # Load the demo image
    #im_file = os.path.join(cfg.DATA_DIR, 'demo', image_name)
    im_file ='E:\\deep learning\\py-faster-rcnn-master\\tools\\mysite2\\upload\\000001.jpg'  #读取该路径下的000001.jpg图片，每次上传图片之前都清空upload文件夹，保存新的图片命名成000001.jpg
    im = cv2.imread(im_file)

    # Detect all object classes and regress object bounds
    #timer = Timer()  by wj 11.3
    #timer.tic()   by wj 11.3
    scores, boxes = im_detect(net, im)
    #timer.toc()   by wj 11.3
    #print ('Detection took {:.3f}s for '  by wj 11.3
           #'{:d} object proposals').format(timer.total_time, boxes.shape[0])   by wj 11.3

    # Visualize detections for each class
    CONF_THRESH = 0.8
    NMS_THRESH = 0.3
    for cls_ind, cls in enumerate(CLASSES[1:]):
        cls_ind += 1 # because we skipped background
        cls_boxes = boxes[:, 4*cls_ind:4*(cls_ind + 1)]
        cls_scores = scores[:, cls_ind]
        dets = np.hstack((cls_boxes,
                          cls_scores[:, np.newaxis])).astype(np.float32)
        keep = nms(dets, NMS_THRESH)
        dets = dets[keep, :]
        vis_detections(im, cls, dets, thresh=CONF_THRESH)

def parse_args_test():
    """Parse input arguments."""
    parser = argparse.ArgumentParser(description='Faster R-CNN demo')
    parser.add_argument('--gpu', dest='gpu_id', help='GPU device id to use [0]',
                        default=0, type=int)
    parser.add_argument('--cpu', dest='cpu_mode',
                        help='Use CPU mode (overrides --gpu)',
                        action='store_true')
    parser.add_argument('--net', dest='demo_net', help='Network to use [vgg16]',
                        choices=NETS.keys(), default='zf')

    args = parser.parse_args()

    return args


def register(request):
    if request.method == "POST":
        uf = UserForm(request.POST,request.FILES)
        #print sys.path
        if uf.is_valid():
            #获取表单信息
            username = uf.cleaned_data['username']
            headImg = uf.cleaned_data['headImg']     #stand for dir or photo ??   request.FILES['file'] acquire photo  ?
            #写入数据库
            user = User()
            user.username = username
            user.headImg = headImg
            user.save()
            a=listdir('E:\\deep learning\\py-faster-rcnn-master\\tools\\mysite2\\upload')    #11.28 by wj
            old_file_path=os.path.join('E:\\deep learning\\py-faster-rcnn-master\\tools\\mysite2\\upload',a[0]) #11.28 by wj
            new_file_path='E:\\deep learning\\py-faster-rcnn-master\\tools\\mysite2\\upload\\000001.jpg'  #11.28 by wj
            os.rename(old_file_path, new_file_path)  #11.28 by wj   将保存下来的图片改名成000001.jpg
            #shutil.copyfile('E:\deep learning\py-faster-rcnn-master\tools\mysite2\upload\000456.jpg','E:\deep learning\py-faster-rcnn-master\tools\mysite2\photo\000456.jpg')
            #shutil.copy(r'E:\deep learning\py-faster-rcnn-master\tools\mysite2\upload\000456.jpg','E:\deep learning\py-faster-rcnn-master\tools\mysite2\photo\000456.jpg')
            #io.imsave('E://deep learning//py-faster-rcnn-master//tools//mysite2//photo//000456.jpg',headImg) #11.19 wj
            #E://deep learning//py-faster-rcnn-master//tools//mysite2//photo//000456.jpg

            #return HttpResponse('upload ok!')   #can change it to show photos by wj   look related showing measures

            #if __name__ == '__main__':
            cfg.TEST.HAS_RPN = True  # Use RPN for proposals

            #args = parse_args_test()
            #args=Namespace(cpu_mode=False, demo_net='zf', gpu_id=0)

            #prototxt = os.path.join(cfg.MODELS_DIR, NETS[args.demo_net][0],
                           # 'faster_rcnn_alt_opt', 'faster_rcnn_test.pt')
            prototxt ='E:\\deep learning\\py-faster-rcnn-master\\models\\pascal_voc\\ZF\\faster_rcnn_alt_opt\\faster_rcnn_test.pt'
            #caffemodel = os.path.join(cfg.DATA_DIR, 'faster_rcnn_models',
                              #NETS[args.demo_net][1])
            caffemodel ='E:\\deep learning\\py-faster-rcnn-master\\data\\faster_rcnn_models\\ZF_faster_rcnn_final.caffemodel'

    #if not os.path.isfile(caffemodel):
        #raise IOError(('{:s} not found.\nDid you run ./data/script/'
                       #'fetch_faster_rcnn_models.sh?').format(caffemodel))   by wj 17.11.8

    #if args.cpu_mode:
            caffe.set_mode_cpu()
    #else:
        #caffe.set_mode_gpu()
        #caffe.set_device(args.gpu_id)
        #cfg.GPU_ID = args.gpu_id
            net = caffe.Net(prototxt, caffemodel, caffe.TEST)

    #print '\n\nLoaded network {:s}'.format(caffemodel)  by wj 17.11.8

    # Warmup on a dummy image
            im = 128 * np.ones((300, 500, 3), dtype=np.uint8)
            for i in xrange(2):
                 _, _= im_detect(net, im)

    #im_names = ['000456.jpg', '000542.jpg', '001150.jpg',  by wj 11.3
               # '001763.jpg', '004545.jpg']   boy wj 11.3
            im_names = ['000001.jpg']   #固定处理名为000001.jpg的图片

            for im_name in im_names:
        #print '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'  by wj 17.11.8
        #print 'Demo for data/demo/{}'.format(im_name) by wj 17.11.8
        #print args   how to change this
                demo(net, im_name)
            #plt.savefig('test.png')
            #plt.show()
            os.remove(new_file_path)   #11.28 by wj    在上传新的图片前清空upload文件夹，是每次demo处理时upload里只有一张名为000001.jpg图片
            #os.remove('E:\\deep learning\\py-faster-rcnn-master\\tools\\mysite2\\test.jpg')
            #return HttpResponse('upload ok!') #11.29 by wj 
            imagepath ='E:\\deep learning\\py-faster-rcnn-master\\tools\\mysite2\\test.png'
            image_data = open(imagepath,"rb").read()  
            return HttpResponse(image_data,content_type="image/png") 
    else:
         uf = UserForm()
    return render_to_response('register.html',{'uf':uf})

（5）创建模板文件

在mysite2/disk/目录下创建templates文件夹，接着在mysite2/disk/templates/目录下创建register.html 文件

添加内容如下：

<?xml version="1.0" encoding="UTF-8"?> 
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">
<head>
    <meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
    <title></title>
</head>
<body>
<h1>faster_rcnn</h1>
<form method="post" enctype="multipart/form-data" >
{{uf.as_p}}
<input type="submit" value="ok"/>
</form>
</body>
</html>

不用按参考blog中提到的设置模板路径，Django1.8版能够自动找到

（6）设置URL

打开mysite2\mysite2\urls.py

from django.conf.urls import include, url
from django.contrib import admin
from disk import views as disk_views 

urlpatterns = [
    url(r'^admin/', include(admin.site.urls)),
    #url(r'^disk/$', disk_views.register),
    url(r'^$', disk_views.register),
]

（7）启动服务

cmd模式下cd到Django工程mysite2（第一级mysite2）的路径，输入命令Python manage.py runserver 启动服务器，有可能会抛出相应错误，具体解决办法见参考blog，正常成功情况下应显示如下界面，并能上传图片到自己新建的upload文件夹。(upload文件夹需要新建，路径参考下面截图)

Django最主要的几个文件是urls.py、views.py、html、models.py文件，在这里我简要介绍一下上述代码的执行过程

首先，我们来看urls.py文件

重点看我标注的这一句，urls文件表明当用户访问http://127.0.0.1:8000/ 时将调用views.py中定义的register函数

接着，我们看一下html文件内容

学过html相关概念的人应该能读懂这段，但这里有句{{uf.as_p}}让人很难理解意思，uf是建立的user数据库，用户输入后将在这里填充相关数据。当显示登录界面时，请在浏览器工具栏—工具----查看源代码可以看到网页信息如下，比较上下区别，就可以弄懂啦！

接下来关注views.py视图函数，这里定义了一些Django工程中的核心函数。（下图只包含了部分内容）

这里我主要想讲解一下这段代码的执行顺序，当我们输入网址登录网页时，这时request.method还不是post方式，所以执行的是else下的代码，返回了一个html文件，并且在原始文件中{{uf.as_p}}填充了uf的一些输入要求，比如type，这可以在上面的源文件中看到。render_to_response() 的第一个参数必须是要使用的模板名称。如果要给定第二个参数，那么该参数必须是为该模板创建 Context 时所使用的字典。之后，当我们输入了username、选择图片后点击OK，这时将变成post方式，执行if语句，返回httpresponse对象，显示upload ok，这时文件夹upload里就会保存刚才上传的图片。至此以form表单方式上传文件机制介绍完了，实际上还有更简单的文件上传机制，比如文件流的方式，只是当时我没调通，所以没有细究。除此以外，将选择的图片经过demo处理后需要再在网页上显示处理结果，这里我投机取巧找到一个文件流的显示方式，具体见代码，返回了一个httpresponse对象。才疏学浅，完成的较为粗糙，点击这里可下载完整代码，提取码1qh1，py-faster-rcnn工程请参考本人这篇blog。

四、本文faster rcnn demo程序的适应性修改与关键地方讲解

现在服务器、后台能够接受到用户传来的图片，所以我们很自然的想到下一步任务就是把demo的关键处理代码拷贝到Django工程下的views.py文件（前面已经给出完整的views.py）。因此需要修改一些地方，faster_rcnn的模块调用要理顺。首先需要将E:\deep learning\py-faster-rcnn-master\tools中的_init_paths.py文件修改成如下图，并拷贝到如下路径，主要是为了使添加上述代码后的views.py执行时能找到faster_rcnn的相关文件，为方便处理，我直接给出了相应模块、py文件的完整路径。其中os.join函数是个拼接路径函数，路径的正确格式也是我打断点调试才知道的。

# --------------------------------------------------------
# Fast R-CNN
# Copyright (c) 2015 Microsoft
# Licensed under The MIT License [see LICENSE for details]
# Written by Ross Girshick
# --------------------------------------------------------

"""Set up paths for Fast R-CNN."""

import os.path as osp
import sys
import os

def add_path(path):
    if path not in sys.path:
        sys.path.insert(0, path)

#this_dir = osp.dirname(__file__)
#this_dir = os.getcwd()
# Add caffe to PYTHONPATH
#caffe_path = osp.join(this_dir, '..', 'caffe-fast-rcnn', 'python')
# E:\deep learning\py-faster-rcnn-master\caffe-fast-rcnn\python
caffe_path = 'E:\\deep learning\\py-faster-rcnn-master\\caffe-fast-rcnn\\python'
#caffe_path = osp.join(this_dir, '..','..','..', 'caffe-fast-rcnn', 'python')
#caffe_path = osp.join(this_dir, '/../../..', 'caffe-fast-rcnn', 'python')
add_path(caffe_path)

# Add lib to PYTHONPATH
#lib_path = osp.join(this_dir, '..', 'lib')
#E:\deep learning\py-faster-rcnn-master\lib
lib_path ='E:\\deep learning\\py-faster-rcnn-master\\lib'
#lib_path = osp.join(this_dir, '..','..','..', 'lib')
#lib_path = osp.join(this_dir, '/../../..', 'lib')
add_path(lib_path)

关于views.py，我想在这里补充一下我投机取巧的地方，一是一些关键地方，比如模型文件、图片等的路径我直接给出了完整路径，并且代码的确很粗糙。另外，利用form表单上传图片我在后台不知道如何取相应的图片，所以我采用的方法是：由于我知道图片会保存在upload文件夹里，每次将不同名字的图片保存后，我首先将图片改名成000001.jpg，这样就能被demo处理，处理完后生成test.png后清空upload文件夹里的图片，保存处理后的test.png显示在网页上。

另：Django工程是可以在pycharm中打断点调试的！！！具体debug调试可参考blog，在views.py打断点，用户在前端选择图片点ok后可以在pycharm中看到变量值。建议读者再进一步优化代码，同时有些绝对路径根据读者存放位置进行修改。

转载于:https://www.cnblogs.com/deeplearning1314/p/8007300.html