与Django结合利用模型对上传图片预测的实例详解
2019-08-07 14:42
1796 查看
1 预处理
(1)对上传的图片进行预处理成100*100大小
def prepicture(picname): img = Image.open('./media/pic/' + picname) new_img = img.resize((100, 100), Image.BILINEAR) new_img.save(os.path.join('./media/pic/', os.path.basename(picname)))
(2)将图片转化成数组
def read_image2(filename): img = Image.open('./media/pic/'+filename).convert('RGB') return np.array(img)
2 利用模型进行预测
def testcat(picname): # 预处理图片 变成100 x 100 prepicture(picname) x_test = [] x_test.append(read_image2(picname)) x_test = np.array(x_test) x_test = x_test.astype('float32') x_test /= 255 keras.backend.clear_session() #清理session反复识别注意 model = Sequential() model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(100, 100, 3))) model.add(Conv2D(32, (3, 3), activation='relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Dropout(0.25)) model.add(Conv2D(64, (3, 3), activation='relu')) model.add(Conv2D(64, (3, 3), activation='relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Dropout(0.25)) model.add(Flatten()) model.add(Dense(256, activation='relu')) model.add(Dropout(0.5)) model.add(Dense(4, activation='softmax')) sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True) model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy']) model.load_weights('./cat/cat_weights.h5') classes = model.predict_classes(x_test)[0] # target = ['布偶猫', '孟买猫', '暹罗猫', '英国短毛猫'] # print(target[classes]) return classes
3 与Django结合
在views中调用模型进行图片分类
def catinfo(request): if request.method == "POST": f1 = request.FILES['pic1'] # 用于识别 fname = '%s/pic/%s' % (settings.MEDIA_ROOT, f1.name) with open(fname, 'wb') as pic: for c in f1.chunks(): pic.write(c) # 用于显示 fname1 = './static/img/%s' % f1.name with open(fname1, 'wb') as pic: for c in f1.chunks(): pic.write(c) num = testcat(f1.name) # 有的数据库id从1开始这样就会报错 # 因此原本数据库中的id=0被系统改为id=4 # 遇到这样的问题就加上 # if(num == 0): # num = 4 # 通过id获取猫的信息 name = models.Catinfo.objects.get(id = num) return render(request, 'info.html', {'nameinfo': name.nameinfo, 'feature': name.feature, 'livemethod': name.livemethod, 'feednn': name.feednn, 'feedmethod': name.feedmethod, 'picname': f1.name}) else: return HttpResponse("上传失败!")
以上这篇与Django结合利用模型对上传图片预测的实例详解就是小编分享给大家的全部内容了,希望能给大家一个参考
您可能感兴趣的文章:
相关文章推荐
- 与Django结合利用模型对上传图片预测
- JSP中图片的上传与显示方法实例详解
- 微信小程序 图片上传实例详解
- php上传文件与图片到七牛的实例详解
- JSP中图片的上传与显示方法实例详解
- java实现图片上传至本地实例详解
- PHP结合JQueryJcrop实现图片裁切实例详解
- Spring boot的上传图片功能实例详解
- 使用富文本编辑器上传图片实例详解
- 微信小程序教程之本地图片上传(leancloud)实例详解
- DL之DNN:利用DNN【784→50→100→10】算法对MNIST手写数字图片识别数据集进行预测、模型优化
- 个人技术作品 - PHP 水印类及上传图片加水印结合使用的API及使用实例
- spring boot 图片上传与显示功能实例详解
- Android OkHttp 结合php 多图片上传实例
- django mysql数据库及图片上传接口详解
- django使用admin站点上传图片的实例
- JSP图片上传并生成缩略图实例详解
- Symfony2使用第三方库Upload制作图片上传实例详解
- 利用html5的FileReader对象实现图片预览,利用FormData对象结合struts2实现无刷新文件上传(多参数)
- PHP结合JQueryJcrop实现图片裁切实例详解