Help us understand the problem. What is going on with this article?

Flaskで画像分類Webアプリを作成する(Mobile Net)

More than 1 year has passed since last update.

概要

WebアプリケーションフレームワークであるFlaskを使い、ブラウザからサーバーに画像を渡し、Mobile Netでクラス分類を行うAPIを作成しました。
今回はファインチューニングをせずに、ImageNetの学習パラメータを使用します。
Mobile Netの論文

ツリー構造

MobileNetApi
├── mobile_net_model.h5
├── save_model_mobile_net.ipynb
├── server.py
└── templates
    ├── flask_api_index.html
    ├── layout.html
    └── result.html

Mobile Netのモデルを保存する

以下のコードを実行したらmobile_net_model.h5というファイルが作成されます。

save_model.py
import numpy as np
from keras.models import load_model
from keras.applications.mobilenet import MobileNet

# Mobile Net
model = MobileNet(weights="imagenet")

# モデルの保存、モデルをロードした後予測しかしないため、include_optimizer=Falseとする
model.save('mobile_net_model.h5', include_optimizer=False)

Severの作成

server.py
from flask import Flask, render_template, request, redirect, url_for, send_from_directory
import numpy as np
from keras.models import load_model
from keras.applications.mobilenet import MobileNet, preprocess_input, decode_predictions
from keras.preprocessing.image import img_to_array, load_img


app = Flask(__name__)

def img_pred(image):
    # 保存したモデルをロード
    model = load_model('mobile_net_model.h5')

    # 読み込んだ画像を行列に変換
    img_array = img_to_array(image)

    # 3次元を4次元に変換、入力画像は1枚なのでsamples=1
    img_dims = np.expand_dims(img_array, axis=0)

    # Top2のクラスの予測
    preds = model.predict(preprocess_input(img_dims))
    results = decode_predictions(preds, top=2)[0]

    # resultsを整形
    result = [result[1] + str(result[2]) for result in results]
    return result

@app.route('/')
def index():
    return render_template('./flask_api_index.html')

@app.route('/result', methods=['POST'])
def result():
    # submitした画像が存在したら処理する
    if request.files['image']:
        # 画像の読み込み
        image_load = load_img(request.files['image'], target_size=(224,224))

        # クラスの予測をする関数の実行
        predict_Confidence = img_pred(image_load)

        # render_template('./result.html')
        return render_template('./result.html', title='予想クラス', predict_Confidence=predict_Confidence)

if __name__ == '__main__':
    app.debug = True
    app.run(host='localhost', port=5000)

HTMLの作成

layout.htmlを元にflask_api_index.htmlresult.htmlを作成していきます。

layout.html
<!DOCTYPE html>
<html lang="ja">
  <head>
    <meta charset="utf-8">
    <meta http-equiv="X-UA-Compatible" content="IE=edge">
    <meta name="viewport" content="width=device-width, initial-scale=1">
    <title>API Sample</title>
  </head>
  <body>
    {% block content %}
    <!-- ここに内容 -->
    {% endblock %}
  </body>
</html>

flask_api_index.htmllocalhost:5000にアクセスした時に表示するHTMLです。

flask_api_index.html
{% extends "layout.html" %}
{% block content %}

<form action="/result" method="post" enctype="multipart/form-data">
  <input type="file" name="image" accept="image/png, image/jpeg, image/jpg">
  <button type="submit">Submit</button>
</form>

{% endblock %}

result.htmlは、localhost:5000で画像を選択し、Submitを押した後に結果を表示するHTMLです。

result.html
{% extends "layout.html" %}
{% block content %}

<h3>予想クラス</h3>
{{ predict_Confidence }}


{% endblock %}

Serverを立てて実行

ここまでできたら、以下のコードを実行しlocalhost:5000にアクセスしてください。

$ python3 server.py

このように表示されて入れば大丈夫です。

スクリーンショット 2019-03-29 17.10.53.png

ペットボトルなどのモノの画像を選択し、submitを押してみます。
http://localhost:5000/resultに遷移し、予想クラスのTop2つが表示されていればOKです。

スクリーンショット 2019-03-29 17.12.20.png

その他記事

Flaskで機械学習APIを作ってみた

VGG16をFine Tuningして2018年上半期ブレイク女優・俳優・芸人に分類してみた

HerokuでPythonアプリをデプロイしてみた

kagami-r0927
都内に住む大学生 機械学習/業務効率化/フロント/バックエンドに興味があります。
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした