与Django结合利用模型对上传图片预测的实例详解
1预处理
（1）对上传的图片进行预处理成100*100大小
defprepicture(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
defread_image2(filename):
img=Image.open('./media/pic/'+filename).convert('RGB')
returnnp.array(img)
2利用模型进行预测
deftestcat(picname):
#预处理图片变成100x100
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])
returnclasses
3与Django结合
在views中调用模型进行图片分类
defcatinfo(request):
ifrequest.method=="POST":
f1=request.FILES['pic1']
#用于识别
fname='%s/pic/%s'%(settings.MEDIA_ROOT,f1.name)
withopen(fname,'wb')aspic:
forcinf1.chunks():
pic.write(c)
#用于显示
fname1='./static/img/%s'%f1.name
withopen(fname1,'wb')aspic:
forcinf1.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)
returnrender(request,'info.html',{'nameinfo':name.nameinfo,'feature':name.feature,'livemethod':name.livemethod,'feednn':name.feednn,'feedmethod':name.feedmethod,'picname':f1.name})
else:
returnHttpResponse("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毛票票。