黑松山资源网 Design By www.paidiu.com
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,也希望大家多多支持。
黑松山资源网 Design By www.paidiu.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
黑松山资源网 Design By www.paidiu.com
暂无评论...
更新日志
2024年10月07日
2024年10月07日
- 群星《前途海量 电影原声专辑》[FLAC/分轨][227.78MB]
- 张信哲.1992-知道新曲与精丫巨石】【WAV+CUE】
- 王翠玲.1995-ANGEL【新艺宝】【WAV+CUE】
- 景冈山.1996-我的眼里只有你【大地唱片】【WAV+CUE】
- 群星《八戒 电影原声带》[320K/MP3][188.97MB]
- 群星《我的阿勒泰 影视原声带》[320K/MP3][139.47MB]
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[320K/MP3][148.91MB]
- 刘雅丽.2001-丽花皇后·EMI精选王【EMI百代】【FLAC分轨】
- 齐秦.1994-黄金十年1981-1990CHINA.TOUR.LIVE精丫上华】【WAV+CUE】
- 群星.2008-本色·百代音乐人创作专辑【EMI百代】【WAV+CUE】
- 群星.2001-同步过冬AVCD【环球】【WAV+CUE】
- 群星.2020-同步过冬2020冀待晴空【环球】【WAV+CUE】
- 沈雁.1986-四季(2012梦田复刻版)【白云唱片】【WAV+CUE】
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[FLAC/分轨][257.88MB]
- 《国语老歌 怀旧篇 3CD》[WAV/分轨][1.6GB]