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.htmlとresult.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.htmlはlocalhost: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。

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。

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