J'ai essayé de faire un diagnostic de visage AI pour les golfeuses professionnelles ③
1.Tout d'abord
Dernière fois J'ai même créé un modèle d'apprentissage.
Cette fois, nous allons créer une application Web réelle en utilisant le modèle d'apprentissage et même la déployer.
L'image terminée ressemble à ceci
2. Créé avec Flask
main.py
#Module d'importation
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
#Nom de joueur
classes = ['Hinako Shibuno', 'Petite fête Sakura', 'Erika Hara']
num_classes = len(classes)
image_size = 64
#Fichier pour enregistrer l'image téléchargée
UPLOAD_FOLDER = "uploads/"
#Spécifiez l'extension qui permet le téléchargement
ALLOWED_EXTENSIONS = set(['png', 'jpg', 'jpeg', 'gif'])
#Configurer une instance de la classe Flask
app = Flask(__name__)
#Définir une fonction pour vérifier l'extension des fichiers téléchargés
def allowed_file(filename):
#Première condition: dans le nom de fichier variable'.'Contient-il les caractères?
#Deuxième condition: nom de fichier variable.La chaîne de caractères après est AUTORISÉE_Laquelle des EXTENSIONS est applicable
#Dans rsplit, l’ordre du délimiteur est «1» à partir de la fin de la chaîne de caractères. inférieur convertit les chaînes en caractères inférieurs
return '.' in filename and filename.rsplit('.', 1)[1].lower() in ALLOWED_EXTENSIONS
#Détecter le visage(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))]#Il n'y a pas de problème car une seule personne est affichée
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 "Veuillez saisir une image de visage"
#Charger le modèle entraîné
model = load_model('./golfer.h5', compile=False)
graph = tf.get_default_graph()
# app.route()Associez l'URL spécifiée dans la fonction avec./ http://127.0.0.1:5000/Spécifiez l'URL suivante
@app.route('/', methods=['GET', 'POST'])
def upload_file():
global graph
# as_default()Spécifiez le graphique cible avec
with graph.as_default():
#Si la méthode HTTP est POST
if request.method == 'POST':
#La requête POST contient-elle des données de fichier?
if 'file' not in request.files:
flash('Pas de fichier')
#redirection est une fonction qui redirige vers l'argument URL
return redirect(request.url)
file = request.files['file']
if file.filename == '':
flash('Pas de fichier')
return redirect(request.url)
#Si le fichier est dans un format autorisé
if file and allowed_file(file.filename):
#S'il y a une chaîne de caractères dangereuse dans le nom de fichier, désactivez-la.
filename = secure_filename(file.filename)
#Enregistrer dans le dossier des téléchargements
file.save(os.path.join(UPLOAD_FOLDER, filename))
#Créer un chemin de fichier
filepath = os.path.join(UPLOAD_FOLDER, filename)
# #Lisez l'image reçue et convertissez-la au format np
img = image.load_img(filepath, grayscale=False, target_size=(image_size,image_size))
#Détecter la partie du visage
img = detect_face(filepath)
if type(img)!=str:
img = image.img_to_array(img)
data = np.array([img])
#Transmettre les données transformées au modèle pour la prédiction
result = model.predict(data)[0]
predicted = result.argmax()
pred_answer = "Cette femme professionnelle" + str(classes[predicted]) + "est"
return render_template("index.html",answer=pred_answer)
else:
return render_template("index.html",answer=img)
return render_template("index.html",answer="")
#Résolvez le problème que CSS n'est pas reflété lors du développement d'applications Web avec Flask
@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 et feuille de style
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>Jugement de golfeuse professionnelle</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="#">Jugement de la golfeuse professionnelle</a>
</header>
<div class="main">
<h2>Identifie le visage de l'image</h2>
<p>Veuillez envoyer l'image</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. Structure des fichiers
La structure du fichier est la suivante
Index.html dans le dossier des modèles stylesheet.css dans le dossier statique
Veuillez vous référer à cet article pour les fichiers restants [Version complète] Procédure de déploiement de l'API créée avec Flask sur Heroku (Remarque)
5. Déployez sur heroku
5-1. Inscrivez-vous en tant que membre d'Heroku
Heroku Inscrivez-vous ici
5-2. Connectez-vous à Heroku
$ heroku login
5-3. Paramètres
Créer une nouvelle application ⇨ Entrez le nom de l'application pour enregistrer votre pays aux États-Unis. Accédez à la page de l'application, accédez à Setteings et cliquez sur Ajouter un pack de construction pour ajouter Python.
5-4. Exécutez les opérations suivantes à partir du terminal
git init
__ * Uniquement la première fois. Si vous le faites deux fois, vous ne pourrez pas effectuer le déploiement avec succès. __
heroku git:remote -a (nom de l'application)
git add .
git commit -m “(Écrivez un message sur ce qui a changé)”
git push heroku master
__ Le déploiement est terminé __
6. Vérifiez l'application Web
Vérifiez avec le code ci-dessous
heroku open
Ceci termine les 3 publications de l'application d'image.