[PYTHON] Ich habe versucht, eine Gesichtsdiagnose-KI für professionelle Golferinnen zu erstellen ③
1. Zuallererst
Letztes Mal Ich habe sogar ein Lernmodell erstellt.
Dieses Mal erstellen wir mithilfe des Lernmodells eine tatsächliche Webanwendung und stellen sie sogar bereit.
Das fertige Bild sieht so aus
2. Erstellt mit Flask
main.py
#Modul importieren
import cv2
import os
from flask import Flask, request, redirect, url_for, render_template, flash
from werkzeug.utils import secure_filename
from keras.models import Sequential, load_model
from keras.preprocessing import image
from PIL import Image
import tensorflow as tf
import numpy as np
from datetime import datetime
import face_recognition
#Spielername
classes = ['Hinako Shibuno', 'Kleine Feier Sakura', 'Erika Hara']
num_classes = len(classes)
image_size = 64
#Datei zum Speichern des hochgeladenen Bildes
UPLOAD_FOLDER = "uploads/"
#Geben Sie die Erweiterung an, die das Hochladen ermöglicht
ALLOWED_EXTENSIONS = set(['png', 'jpg', 'jpeg', 'gif'])
#Richten Sie eine Instanz der Flask-Klasse ein
app = Flask(__name__)
#Definieren Sie eine Funktion zum Überprüfen der Erweiterung hochgeladener Dateien
def allowed_file(filename):
#Erste Bedingung: in der Variablen Dateiname'.'Enthält es die Zeichen?
#Zweite Bedingung: variabler Dateiname.Die nachfolgende Zeichenfolge ist ERLAUBT_Welche der ERWEITERUNGEN ist anwendbar?
#In rsplit ist die Reihenfolge des Trennzeichens "1" ab dem Ende der Zeichenfolge. niedriger konvertiert Zeichenfolgen in niedrigere
return '.' in filename and filename.rsplit('.', 1)[1].lower() in ALLOWED_EXTENSIONS
#Gesicht erkennen(haarcascade)
def detect_face(img_path):
image = face_recognition.load_image_file(img_path)
faces = face_recognition.face_locations(image)
if len(faces)>0:
face_max = [(abs(faces[i][0]-faces[i][2])) * (abs(faces[i][1]-faces[i][3])) for i in range(len(faces))]
top, right, bottom, left = faces[face_max.index(max(face_max))]#Es gibt kein Problem, da nur eine Person angezeigt wird
faceImage = image[top:bottom, left:right]
final = Image.fromarray(faceImage)
final = np.asarray(final.resize((image_size,image_size)))
final = Image.fromarray(final)
basename = datetime.now().strftime("%Y%m%d-%H%M%S")
filepath = UPLOAD_FOLDER + basename+".png "
final.save(filepath)
return final
else:
return "Bitte geben Sie ein Gesichtsbild ein"
#Laden Sie das trainierte Modell
model = load_model('./golfer.h5', compile=False)
graph = tf.get_default_graph()
# app.route()Verknüpfen Sie die in der Funktion angegebene URL mit./ http://127.0.0.1:5000/Geben Sie die folgende URL an
@app.route('/', methods=['GET', 'POST'])
def upload_file():
global graph
# as_default()Geben Sie das Zieldiagramm mit an
with graph.as_default():
#Wenn die HTTP-Methode POST ist
if request.method == 'POST':
#Enthält die POST-Anforderung Dateidaten?
if 'file' not in request.files:
flash('Keine Datei')
#Redirect ist eine Funktion, die zur Argument-URL umleitet
return redirect(request.url)
file = request.files['file']
if file.filename == '':
flash('Keine Datei')
return redirect(request.url)
#Wenn die Datei in einem zulässigen Format vorliegt
if file and allowed_file(file.filename):
#Wenn der Dateiname eine gefährliche Zeichenfolge enthält, deaktivieren Sie diese.
filename = secure_filename(file.filename)
#Im Upload-Ordner speichern
file.save(os.path.join(UPLOAD_FOLDER, filename))
#Erstellen Sie einen Dateipfad
filepath = os.path.join(UPLOAD_FOLDER, filename)
# #Lesen Sie das empfangene Bild und konvertieren Sie es in das np-Format
img = image.load_img(filepath, grayscale=False, target_size=(image_size,image_size))
#Erkennen Sie das Gesichtsteil
img = detect_face(filepath)
if type(img)!=str:
img = image.img_to_array(img)
data = np.array([img])
#Übergeben Sie die transformierten Daten zur Vorhersage an das Modell
result = model.predict(data)[0]
predicted = result.argmax()
pred_answer = "Diese weibliche Fachkraft" + str(classes[predicted]) + "ist"
return render_template("index.html",answer=pred_answer)
else:
return render_template("index.html",answer=img)
return render_template("index.html",answer="")
#Lösen Sie das Problem, dass CSS bei der Entwicklung von Webanwendungen mit Flask nicht berücksichtigt wird
@app.context_processor
def override_url_for():
return dict(url_for=dated_url_for)
def dated_url_for(endpoint, **values):
if endpoint == 'static':
filename = values.get('filename', None)
if filename:
file_path = os.path.join(app.root_path,
endpoint, filename)
values['q'] = int(os.stat(file_path).st_mtime)
return url_for(endpoint, **values)
if __name__ == "__main__":
port = int(os.environ.get('PORT', 8080))
app.run(host ='0.0.0.0',port = port)
3. index.html und Stylesheet
index.html
<!DOCTYPE html>
<html lang="ja">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<meta http-equiv="X-UA-Compatible" content="ie=edge">
<title>Professionelles Golferurteil</title>
<!-- <link rel="stylesheet" href="./static/stylesheet.css"> -->
<link rel= "stylesheet" type= "text/css"
href= "{{ url_for('static',filename='stylesheet.css') }}">
</head>
<body>
<header>
<a class="header-logo" href="#">Professionelles Golferurteil</a>
</header>
<div class="main">
<h2>Identifiziert das Gesicht im Bild</h2>
<p>Bitte senden Sie das Bild</p>
<form method="POST" enctype="multipart/form-data">
<input class="file_choose" type="file" name="file">
<input class="btn" value="submit!" type="submit">
</form>
<div class="answer">{{answer}}</div>
</div>
<footer>
</footer>
</body>
</html>
stylesheet.css
header {
background-color: rgb(100, 81, 255);
height: 100px;
margin: -8px;
display: flex;
flex-direction: row-reverse;
justify-content: space-between;
}
.header-logo {
color: #fff;
font-size: 30px;
margin: auto;
}
.header_img {
height: 25px;
margin: 15px 25px;
}
.main {
height: 370px;
}
h2 {
color: #444444;
margin: 90px 0px;
text-align: center;
}
p {
color: #444444;
margin: 70px 0px 30px 0px;
text-align: center;
}
.answer {
margin: 70px 0px 30px 0px;
text-align: center;
font-size: 30px;
color: blue;
font-weight: bold;
}
form {
text-align: center;
}
h2 {
color: #444444;
text-align: center;
}
footer {
background-color: #F7F7F7;
height: 110px;
margin: -8px;
position: relative;
}
.footer_img {
height: 25px;
margin: 15px 25px;
}
small {
margin: 15px 25px;
position: absolute;
left: 0;
bottom: 0;
}
4. Dateistruktur
Die Struktur der Datei ist wie folgt
Index.html im Vorlagenordner stylesheet.css im statischen Ordner
Die restlichen Dateien finden Sie in diesem Artikel [Vollständige Version] Verfahren zum Bereitstellen der mit Flask erstellten API für Heroku (Hinweis)
5. Auf Heroku bereitstellen
5-1. Registrieren Sie sich als Mitglied von Heroku
Heroku Registrieren Sie sich hier
5-2. Melden Sie sich bei Heroku an
$ heroku login
5-3. Einstellungen
Neue App erstellen ⇨ Geben Sie den App-Namen ein, um Ihr Land in den USA zu registrieren. Gehen Sie zur App-Seite, gehen Sie zu Setteings und klicken Sie auf Build Pack hinzufügen, um Python hinzuzufügen.
5-4 Führen Sie Folgendes vom Terminal aus aus
git init
__ * Nur beim ersten Mal. Wenn Sie dies zweimal tun, können Sie die Bereitstellung nicht erfolgreich durchführen. __ __
heroku git:remote -a (App Name)
git add .
git commit -m “(Schreiben Sie eine Nachricht darüber, was sich geändert hat)”
git push heroku master
__ Die Bereitstellung ist abgeschlossen __
6. Überprüfen Sie die Web-App
Überprüfen Sie mit dem Code unten
heroku open
Damit sind die 3 Postings der Bild-App abgeschlossen.
Recommended Posts