[WEB]오늘의 발전

[17011813]

Powered By - AICOCO 로바꿔서 클릭하면 출처 우리 깃으로 들어가진다 대박신기하지~!~!~!

주석 달은 server코드
from keras.applications import inception_v3,imagenet_utils
import cv2
import numpy as np
from flask import Flask, request, make_response,jsonify
import numpy as np
import json
import urllib.request
from urllib.request import Request, urlopen
import base64
import numpy as np
from flask import Flask, render_template, request, redirect, url_for, send_from_directory
import logging

model = None
app = Flask(name,static_url_path='')

def preprocess_img(img,target_size=(299,299)): #img가공
if (img.shape[2] == 4):
img = cv2.cvtColor(img, cv2.COLOR_BGRA2BGR)
img = cv2.resize(img,target_size) #img사이즈 바꿔줌
img = np.divide(img,255.)
img = np.subtract(img,0.5)
img = np.multiply(img,2.)
return img

def load_im_from_url(url): #img를 url주소에 들어가서 사진만 가져오기
requested_url = urlopen(Request(url,headers={'User-Agent': 'Mozilla/5.0'}))
image_array = np.asarray(bytearray(requested_url.read()), dtype=np.uint8)
print (image_array.shape)
print (image_array)
image_array = cv2imdecode(image_array, -1)
print (image_array.shape)
return image_array

def load_im_from_system(url): #img를 array로 길게 문자열로 바꿔주는 거같음
image_url = url.split(',')[1]
image_url = image_url.replace(" ", "+")
image_array = base64.b64decode(image_url)
#image_array = np.asarray(bytearray(image_array), dtype=np.uint8)
image_array = np.fromstring(image_array, np.uint8)
image_array = cv2.imdecode(image_array, -1) #img를 decode해주고 밑에서 최종 return
return image_array

def predict(img): #우리 코드 학습
img=preprocess_img(img) #가공된 이미지 넣어주고
print (img.shape)
global model
if model is None: #여기가 학습 체크포인트로 import하든, 여기다 함수써서 코드 가져오든 둘중~!
model =inception_v3.InceptionV3()
model.compile(optimizer='adam', loss='categorical_crossentropy')
preds = model.predict(np.array([img])) #img배열을 불러와서 이 predict함수에 넣은 다음에
return imagenet_utils.decode_predictions(preds)
#예측한 pred 값 decode해서 리턴 : (이름,확률) 이렇게 저장되있는거 같음

@app.route('/classify_system', methods=['GET'])
def classify_system():
image_url = request.args.get('imageurl')
image_array = load_im_from_system(image_url) #위에 load함수 써서 image를 array로 저장
resp = predict(image_array) #위의 predict함수에 img넣고 예측한 값을 resp에 저장
result = []
print(resp[0]) #어떻게 저장되어있는지 확인하면 그 형식대로 predict돌리고 나서 저장할때 resp꼴 맞게 코드 바꿔야됨
for r in resp[0]: #resp에 이름이랑 확률 들어있음 ___ r로 스캔하는데 r[1]에는 이름
result.append({"class_name":r[1],"score":float(r[2])}) #r[2]에는 확률 저장되게 포문돌아감~
return jsonify({'results':result})

@app.route('/classify_url', methods=['GET']) #url과 system이 뭐가 다를까?
def classify_url():
image_url = request.args.get('imageurl')
image_array = load_im_from_url(image_url)
resp = predict(image_array)
result = []
for r in resp[0]:
result.append({"class_name":r[1],"score":float(r[2])})
return jsonify({'results':result})

@app.route('/classify-system', methods=['GET'])
def do_system():
return app.send_static_file('system.html')

@app.route('/classify-url', methods=['GET'])
def do_url():
return app.send_static_file('url.html')

@app.route('/', methods=['GET'])
def root():
return app.send_static_file('index.html')

if name == 'main':
app.run(host='127.0.0.1', port=60, debug=True)

url과 system 코드 img load 데이터만 코드 다른데 차이가 뭔지 잘 모르겠음....
http://127.0.0.1:60/classify-url
우리 웹사이트~~
check point 활용 방법 알고 저기 predict만 고치면 될거같은데 우선 원래 웹도 계속 판독만 해서 빨리 해봐야 될거같다

[17011813]

https://blog.naver.com/a952kr/221553420397
체크 포인트