重庆分公司,新征程启航
为企业提供网站建设、域名注册、服务器等服务
这篇文章给大家分享的是有关Django中如何使用模型对上传图片预测的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。
目前成都创新互联已为1000+的企业提供了网站建设、域名、网站空间、网站运营、企业网站设计、墨江网站维护等服务,公司将坚持客户导向、应用为本的策略,正道将秉承"和谐、参与、激情"的文化,与客户和合作伙伴齐心协力一起成长,共同发展。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.h6') 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!")
感谢各位的阅读!关于“Django中如何使用模型对上传图片预测”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识,如果觉得文章不错,可以把它分享出去让更多的人看到吧!
另外有需要云服务器可以了解下创新互联scvps.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。