iis服务器助手广告广告

扫码关注官方微信

扫码下载APP
返回顶部
首页 > 资讯 > 后端开发 > Python >YOLOv5部署到web端（flask+js简单易懂）
  • 764

0
分享到

YOLOv5部署到web端（flask+js简单易懂）

flask前端javascript 2023-09-13 14:09:30 764人浏览 泡泡鱼

Python 官方文档：入门教程 => 点击学习

摘要

文章目录 前言最终实现效果图后端实现主界面检测函数+检测结果显示 前端实现主界面(index.html）+显示图片界面 总结 前言 最近，老板让写一个程序把yolov5检测模型部署

文章目录

前言

最近，老板让写一个程序把yolov5检测模型部署到web端，在网页直接进行目标检测。经过1个星期的努力，终于实现基本功能👻（累晕了）。网上查阅了很多资料，发现很多的技术比较复杂，当然他们的页面都比较漂亮，然后我打算自己写一篇简单记录一下哈哈。进入正题，该项目完全由Python的轻量级web框架flask完成，其实有一点js代码，简单易懂👍

最终实现效果图

先看项目的效果图吧哈哈，比较辣鸡，但是功能实现了！
在这里插入图片描述

检测结果显示：

在这里插入图片描述

哈哈 可以看到检测结果还是可以的🤞

后端实现

首先，写了二个路由函数，分别是主界面、检测函数结果显示。如下所示

主界面

# 定义路由@app.route('/', methods=['GET', 'POST'])def upload():    if request.method == 'POST':  #post是一种请求方式        # 从表单中获取上传的文件        f = request.files['file']  #request.files 函数作用就是获取前端名为 'file'的文件信息        global filename  # 定义全局变量，方便其他地方调用filename，如果不定义全局变量，其他地方无法调用        filename = f.filename  # 获取前端上传图片名字        global file_path  #同理，定义全局变量                # 将文件保存到服务器本地        file_path = os.path.join(os.getcwd(), filename)  #本地路径+图片名字= 文件路径（file-path)        print(file_path)  # 当时只是为了测试程序        f.save(file_path)  # 保存上传的图片到本地目录下，方便后续推理，直接找到图片        # 返回文件路径        # return file_path        #进行检测        opt = parse_opt()         main(opt)    return render_template('index.html')

检测函数+检测结果显示

# 检测结果显示def return_img_stream(img_local_path):    """    工具函数:    获取本地图片流    :param img_local_path:文件单张图片的本地绝对路径    :return: 图片流    """    import base64    img_stream = ''    with open(img_local_path, 'rb') as img_f:        img_stream = img_f.read()        img_stream = base64.b64encode(img_stream).decode()    return img_stream@app.route('/sh', methods=['GET', 'POST'])  #定义新路由，显示图片def hello_world():    #图片路径，推理完之后，默认保存的就是runs\\detect\\exp，这里加上filename，是变成完整的图片路径，然后才能获取显示    img_path = 'runs\\detect\\exp\\' + str(filename)      img_stream = return_img_stream(img_path) #获取图片流    return render_template('index.html', img_stream=img_stream)

最后，我把detect文件中的函数，parse_out函数直接放到app.py文件中了，因为这样传递图片路径比较方便。其中的main函数直接是调用的detect文件，如下所示：

# 检测图片的def parse_opt():    parser = argparse.ArgumentParser()    parser.add_argument('--weights', nargs='+', type=str, default= 'yolov5s.pt', help='model path or triton URL')    #parser.add_argument('--source', type=str, default=0, help='file/dir/URL/glob/screen/0(WEBcam)')    parser.add_argument('--source', type=str, default= file_path, help='file/dir/URL/glob/screen/0(webcam)')    parser.add_argument('--data', type=str, default= 'models/yolov5s.yaml', help='(optional) dataset.yaml path')    parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w')    parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold')    parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold')    parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')    parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')    parser.add_argument('--project', default= 'runs/detect', help='save results to project/name')    parser.add_argument('--name', default='exp', help='save results to project/name')    parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')    parser.add_argument('--vid-stride', type=int, default=1, help='video frame-rate stride')    opt = parser.parse_args()    opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1  # expand    #print_args(vars(opt))    args = parser.parse_args(args=[])    print(args)    return opt

到这里，后端实现就基本写完了。接下来，看看前端页面 很简单，我都不好意思写🙉

前端实现

主要就两个页面，分别是主页面index1.html和showimage.html。

主界面(index.html）+显示图片界面

index1.html就是主界面，显示的一些操作按钮。代码如下：

DOCTYPE html><html lang="en">  <head>    <title>目标检测系统title>    <script src="https://cdn.bootcdn.net/ajax/libs/Jquery/3.6.0/jquery.min.js">script>    




软考高级职称资格查询









iis服务器助手广告





软考职称历年真题下载











软考职称资料下载











热门wiki
















近期文章
















推荐阅读
















热门问答















热门标签
编程网，编程工程师的家园，是目前国内优秀的开源技术社区之一，形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容，为IT开发者提供了一个发现、使用、并交流开源技术的平台。

  • 官方手机版

  • 微信公众号

  • 商务合作