必威体育Betway必威体育官网
当前位置:首页 > IT技术

搭建一款属于你自己的图像识别系统

时间:2019-07-02 05:43:22来源:IT技术作者:seo实验室小编阅读:88次「手机版」
 

图像识别系统

上一篇文章是一篇关于使用TensorFlow和R语言的一个图像识别,今天就用shiny将它包装成一个程序

shiny程序分为两个部分,一个是ui.R,一个是server.R。ui.R实现的是前端,server.R实现的是服务器端。

我的ui.R是在windows系统上面写的,准备在写server.R的时候再在linux上面写,因为总感觉在Windows下方便许多。为了使界面更加美观,我在ui.R里面也加了一点点的css,效果如下,感觉界面也差不多。

Clipboard Image.png

结果在Linux系统不知道怎么回事,CSS上面的背景图片加载不上了,底色也全是白色的,所以只能换成把背景改成单一色。

Clipboard Image.png

首先来大概演示一下效果,点击左边的点击选择图片,就会出现一个对话框再选择一张照片。这里我选择一张香蕉的照片来演示一下。这里识别时间多则20来秒,少则7,8秒。

Clipboard Image.png

运行结果如下图:

Clipboard Image.png

使用shiny可以使用很少代码做出一个非常棒的web项目。首先跟大家分享一下ui.R。

1. ui.R

library(shiny)# define UI for APPlication that draws a histogramshinyUI(

  fluidPage(
    includeCSS("style.css"),    # Application title
    p(style="text-align:center",headerPanel("图像识别")),    # Sidebar with a slider input for number of bins 
    sidebarlayout(
      sidebarPanel(
        fileInput("image",label="上传图片",accept=c(".png",".jpg"),buttonLabel="点击选择图片", placeholder ="未选择")
      ),      # Show a plot of the generated distribution
      mainPanel(
        plotOutput("distPlot")
      )
    )
  )
)

2. Linux系统css代码

<head>
<style>
h{}
body{
    background-color: #225E79;
}
</style>
</head>

3. Windows系统css代码

<head>
<style>
h1 {
}
body {
  background-image: url(back.jpg); 
    background-size: 100% 100% auto;
    position:absolute; 
background-repeat: no-repeat; 
}
</style>
</head>

back.jpg就是背景图片。

4. server.R

#
# This is the server logic of a Shiny web application. You can run the 
# application by clicking 'Run App' above.
#
# Find out more about building applications with Shiny here:
# 
#    HTTP://shiny.rstudio.com/
#

library(shiny)
library(tensorflow) #加载TensorFlow包
library(magrittr) #数据处理包,可以使用管道函数
library(jpeg)
library(readr)
library(ggplot2)
library(grid) #图片处理的一个包,主要控制输出图形的大的外观和一些细节东西的排列
names = read_delim("imagenet_classes.txt", "\t", escape_double = FALSE, trim_ws = TRUE,col_names = FALSE)
slim= tf$contrib$slim #slim是一个使构建,训练,评估神经网络变得简单的库。
# slim提供了很多计算机视觉方面的著名模型(VGG, AlexNet等),我们不仅可以直接使用,甚至能以各种方式进行扩展。
shinyServer(
  function(input, output) {

 output$distPlot<-renderPlot(    {      inImages<-input$image      if(is.null(inImages))        return(NULL)      tf$reset_default_graph() #在每次运行中清除当前图形,以避免变量重复      #session会话 张量的具体值和操作,会话关闭时,张量的任何具体值都会丢失      images = tf$placeholder(tf$float32, shape(NULL, NULL, NULL, 3))# 创建占位符      imgs_scaled = tf$image$resize_images(images, shape(224,224)) #设置图片大小      # slim$conv2d自带卷积功能+激励函数      fc8 = slim$conv2d(imgs_scaled, 64, shape(3,3), scope='vgg_16/conv1/conv1_1') %>%        slim$conv2d(64, shape(3,3), scope='vgg_16/conv1/conv1_2')  %>%        slim$max_pool2d( shape(2, 2), scope='vgg_16/pool1')  %>% #池化操作        slim$conv2d(128, shape(3,3), scope='vgg_16/conv2/conv2_1')  %>%        slim$conv2d(128, shape(3,3), scope='vgg_16/conv2/conv2_2')  %>%        slim$max_pool2d( shape(2, 2), scope='vgg_16/pool2')  %>%        slim$conv2d(256, shape(3,3), scope='vgg_16/conv3/conv3_1')  %>%        slim$conv2d(256, shape(3,3), scope='vgg_16/conv3/conv3_2')  %>%        slim$conv2d(256, shape(3,3), scope='vgg_16/conv3/conv3_3')  %>%        slim$max_pool2d(shape(2, 2), scope='vgg_16/pool3')  %>%        slim$conv2d(512, shape(3,3), scope='vgg_16/conv4/conv4_1')  %>%        slim$conv2d(512, shape(3,3), scope='vgg_16/conv4/conv4_2')  %>%        slim$conv2d(512, shape(3,3), scope='vgg_16/conv4/conv4_3')  %>%        slim$max_pool2d(shape(2, 2), scope='vgg_16/pool4')  %>%        slim$conv2d(512, shape(3,3), scope='vgg_16/conv5/conv5_1')  %>%        slim$conv2d(512, shape(3,3), scope='vgg_16/conv5/conv5_2')  %>%        slim$conv2d(512, shape(3,3), scope='vgg_16/conv5/conv5_3')  %>%        slim$max_pool2d(shape(2, 2), scope='vgg_16/pool5')  %>%        slim$conv2d(4096, shape(7, 7), padding='valid', scope='vgg_16/fc6')  %>%        slim$conv2d(4096, shape(1, 1), scope='vgg_16/fc7') %>%        # Setting the activation_fn=NULL does not work, so we get a ReLU        slim$conv2d(1000, shape(1, 1), scope='vgg_16/fc8')  %>%        tf$squeeze(shape(1, 2), name='vgg_16/fc8/squeezed')      tf$summary$FileWriter('/tmp/dumm/vgg16', tf$get_default_graph())$close() #保存在/tmp/dumm/vgg16目录下      restorer = tf$train$Saver()#创建一个Saver 来管理模型中的所有变量。      sess = tf$Session()      restorer$restore(sess, 'vgg_16.ckpt')#复原模型      img1<-readJPEG(inImages$datapath)      d=dim(img1)  #获取img1的维度      imgs =array(255*img1,dim = c(1,d[1],d[2],d[3]))      fc8_vals=sess$run(fc8,dict(images=imgs))      fc8_vals[1:5]      probs=exp(fc8_vals)/sum(exp(fc8_vals))      idx=sort.int(fc8_vals,index.return = TRUE,decreasing = TRUE)$ix[1:5]      g = rasterGrob(img1, interpolate=TRUE)  #图形进行栅格化      text = ""      for (id in idx) {        text = paste0(text, names[id,][[1]], " ", round(probs[id],5), "\n")      }      #annotate 添加文本注释      #annotation_custom 可以添加各种图形元素到ggplot图中      ggplot(data.frame(d=1:3)) + annotation_custom(g) +        annotate('text',x=0.05,y=0.05,label=text, size=7, hjust = 0, vjust=0, color='blue') + xlim(0,1) + ylim(0,1)    }  ) })

使用shiny就这么简简单单的搭建一个系统处理,如果对网页编程懂的话还可以把界面做的更炫一些。

转载请注明:

作者:王亨

公众号:跟着菜鸟一起学R语言

原文链接:http://blog.csdn.net/wzgl__wh

相关阅读

搭建后台管理系统,需要注意的三个维度

图像处理中的Mask是什么

刚开始涉及到图像处理的时候,在OpenCV等库中总会看到mask这么一个参数,非常的不理解,在查询一系列资料之后,写下它们,以供翻阅。 什么

python实现opencv学习十四:图像二值化

图像二值化:基于图像的直方图来实现的,0白色 1黑色一:全局# -*- coding=GBK -*- import cv2 as cv import numpy as np #图像二值

windows7如何搭建FTP客户端

1.打开控制面板、程序功能。 2.在程序和功能里,选择打开或关闭windows功能。 3.勾选Internet信息服务~FTP服务器下的“FTP服务”和

VS2015环境搭建以及QT编译器和调试器配置

简述 之前介绍过 Qt5.x 的环境搭建,5.7 开始支持 VS2015,为了使用新的开发环境(典型的强迫症),不得不再次进行 Qt5.7 + VS2015 的环境

分享到:

栏目导航

推荐阅读

热门阅读