图像分类的serving

2023-11-08 02:18
文章标签 图像 分类 serving

本文主要是介绍图像分类的serving,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

import time
import requests
import json
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import osdef mainProcess(image_data):"""核心代码: 将请求数据发送到远端模型, 返回预测结果"""start = time.time()####--------------------------核心代码----------------------------------------####""" REST API端口10.0.20.197为服务端地址my_sample为部署时设置的模型名称"""url = 'http://10.0.20.197:8501/v1/models/my_sample:predict'data = json.dumps({'inputs':image_data.tolist()}) # 要求输入的数据是json格式response = requests.post(url,data=data)# print(response)result = json.loads(response.content) # 解析返回数据# for key,val in result.items():#     print(key,val)outputs = result['outputs'][0] # 得到输出output_array = np.array(outputs) # list转numpy数组####--------------------------核心代码---------------------------------------####print(f'花费时间:{time.time()-start:.2f}s')# print(type(output_array))return output_arraydef letterbox_image(image, size):iw, ih  = image.sizew, h    = sizescale   = min(w/iw, h/ih)nw      = int(iw*scale)nh      = int(ih*scale)image   = image.resize((nw,nh), Image.BICUBIC)new_image = Image.new('RGB', size, (128,128,128))new_image.paste(image, ((w-nw)//2, (h-nh)//2))return new_imagedef preprocess_input(x):x /= 127.5x -= 1.return xdef preProcessing(filepath,input_shape:list):image = Image.open(filepath)image_data  = letterbox_image(image, [input_shape[1], input_shape[0]])image_data  = np.expand_dims(preprocess_input(np.array(image_data, np.float32)), 0)return image_data,imagedef postProcessing(output_array,class_names,image,filepath):"""对预测结果进行解码并保存结果"""saveDir = "preResults/"if not os.path.exists(saveDir):os.mkdir(saveDir)probability = np.max(output_array)cls_index = np.argmax(output_array)class_name = class_names[cls_index]plt.ion()plt.imshow(image)plt.title(f'Class:{class_name} Probability:{probability:.3f}')# 保存plt.axis('off')plt.savefig(saveDir+os.path.basename(filepath))plt.show(block=False)plt.pause(1) # 显示1splt.close()if __name__ == '__main__':input_shape = [224,224,3]class_names = ["EOSINOPHIL","LYMPHOCYTE","MONOCYTE","NEUTROPHIL"]while True:        filepath = input('请输入待预测图像路径(输入c退出): ')if filepath == 'c':break        image_data,image = preProcessing(filepath=filepath,input_shape=input_shape)# 远端预测output_array = mainProcess(image_data)# 根据预测得到的输出进行解码,并保存结果postProcessing(output_array,class_names, image,filepath)

这篇关于图像分类的serving的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/367348

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

Verybot之OpenCV应用一:安装与图像采集测试

在Verybot上安装OpenCV是很简单的,只需要执行:         sudo apt-get update         sudo apt-get install libopencv-dev         sudo apt-get install python-opencv         下面就对安装好的OpenCV进行一下测试,编写一个通过USB摄像头采

用Pytho解决分类问题_DBSCAN聚类算法模板

一:DBSCAN聚类算法的介绍 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种基于密度的聚类算法,DBSCAN算法的核心思想是将具有足够高密度的区域划分为簇,并能够在具有噪声的空间数据库中发现任意形状的簇。 DBSCAN算法的主要特点包括: 1. 基于密度的聚类:DBSCAN算法通过识别被低密

PMP–一、二、三模–分类–14.敏捷–技巧–看板面板与燃尽图燃起图

文章目录 技巧一模14.敏捷--方法--看板(类似卡片)1、 [单选] 根据项目的特点,项目经理建议选择一种敏捷方法,该方法限制团队成员在任何给定时间执行的任务数。此方法还允许团队提高工作过程中问题和瓶颈的可见性。项目经理建议采用以下哪种方法? 易错14.敏捷--精益、敏捷、看板(类似卡片)--敏捷、精益和看板方法共同的重点在于交付价值、尊重人、减少浪费、透明化、适应变更以及持续改善等方面。

【python计算机视觉编程——7.图像搜索】

python计算机视觉编程——7.图像搜索 7.图像搜索7.1 基于内容的图像检索(CBIR)从文本挖掘中获取灵感——矢量空间模型(BOW表示模型)7.2 视觉单词**思想****特征提取**: 创建词汇7.3 图像索引7.3.1 建立数据库7.3.2 添加图像 7.4 在数据库中搜索图像7.4.1 利用索引获取获选图像7.4.2 用一幅图像进行查询7.4.3 确定对比基准并绘制结果 7.

【python计算机视觉编程——8.图像内容分类】

python计算机视觉编程——8.图像内容分类 8.图像内容分类8.1 K邻近分类法(KNN)8.1.1 一个简单的二维示例8.1.2 用稠密SIFT作为图像特征8.1.3 图像分类:手势识别 8.2贝叶斯分类器用PCA降维 8.3 支持向量机8.3.2 再论手势识别 8.4 光学字符识别8.4.2 选取特征8.4.3 多类支持向量机8.4.4 提取单元格并识别字符8.4.5 图像校正

PMP–一、二、三模–分类–14.敏捷–技巧–原型MVP

文章目录 技巧一模14.敏捷--原型法--项目生命周期--迭代型生命周期,通过连续的原型或概念验证来改进产品或成果。每个新的原型都能带来新的干系人新的反馈和团队见解。题目中明确提到需要反馈,因此原型法比较好用。23、 [单选] 一个敏捷团队的任务是开发一款机器人。项目经理希望确保在机器人被实际建造之前,团队能够收到关于需求的早期反馈并相应地调整设计。项目经理应该使用以下哪一项来实现这个目标?

HalconDotNet中的图像特征与提取详解

文章目录 简介一、边缘特征提取二、角点特征提取三、区域特征提取四、纹理特征提取五、形状特征提取 简介   图像特征提取是图像处理中的一个重要步骤,用于从图像中提取有意义的特征,以便进行进一步的分析和处理。HalconDotNet提供了多种图像特征提取方法,每种方法都有其特定的应用场景和优缺点。 一、边缘特征提取   边缘特征提取是图像处理中最基本的特征提取方法之一,通过检

基于深度学习 卷积神经网络resnext50的中医舌苔分类系统

项目概述 本项目旨在通过深度学习技术,特别是利用卷积神经网络(Convolutional Neural Networks, CNNs)中的ResNeXt50架构,实现对中医舌象图像的自动分类。该系统不仅能够识别不同的舌苔类型,还能够在PyQt5框架下提供一个直观的图形用户界面(GUI),使得医生或患者能够方便地上传舌象照片并获取分析结果。 技术栈 深度学习框架:采用PyTorch或其他