基于flask和网页端部署yolo自训练模型
基于flask和网页端部署yolo自训练模型
关于yolov5模型的flask的部署, 需要通过torch.hub.load 加载yolov5 自定义的模型，source需要设置local
if opt.model == "yolov5":
model = torch.hub.load("yolo", "custom", path="models/yolov5s.pt", source='local')
else:
print("Use model:" + opt.model)
model = torch.hub.load("yolo", "custom", path=opt.model, source='local')
在torch的环境，运行app.py
对此有两个可以访问的接口
- http://127.0.0.1:5000
- http://127.0.0.1:5000/v1
直接访问http://127.0.0.1:5000
选择文件进行图片上传
检测的图片会保存在static中的forest文件夹
关于 http://127.0.0.1:5000/v1 接口，返回的是检测结果
[{'xmin': 0.0, 'ymin': 53.827671051, 'xmax': 1024.0, 'ymax': 1537.0, 'confidence': 0.8689030409, 'class': 0, 'name': 'person'}]
可以直接运行test.py
也可以通过curl对图片进行上传访问
curl -X POST -F image=@images/1_Handshaking_Handshaking_1_134.jpg http://127.0.0.1:5000/v1
本项目支持运行自己的自训练模型的模型
>python app.py --model 'models/best.pt'
关于models里面的模型，一个是官方yolov5s.pt，另外一个是自训练的口罩模型，检测是否戴有口罩
项目下载： 搜索 项目资源下载 微信小程序
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2022-09-06，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
