用Keras预训练模型做图片识别

卷积神经网络

我们知道，图片由大量像素点构成，每个像素点又由RGB颜色值构成，用计算机识别图片，如果直接分析各个像素点和它们的颜色值，数据计算量就非常大，分析会很复杂和低效。

卷积神经网络（Convolutional Neural Network）通过卷积运算快速从大量数据中提取出各种特征，然后用神经网络对浓缩后的数据进行快速分析，就能高效地处理图片。

Keras是TensorFlow中一个高层神经网络API，Keras的预训练模型ResNet50是基于ImageNet数据集训练而成，ResNet叫残差网络，是一种深度卷积神经网络，该神经网络模型既轻量又有很高的识别准确率。

图片识别API

这里基于Keras的预训练模型ResNet50做一个图片识别应用，为了易于使用，可以把图片识别部分封装成服务端RESTful API，客户端通过http请求把图片传给后端，完成识别后把结果返回给客户端即可。

在Keras博客上有一位大神已经用Python实现了后端API的封装，主要包括以下几步：

加载模型

图片预处理

ResNet50模型的默认输入尺寸是224x224像素，需要对输入图片做一些预处理：

创建RESTful API

Flask是一个轻量级的 Python Web 应用框架，用Flask创建一个POST接口，用于接收客户端传过来的图片文件，送入模型进行识别，然后把识别结果返回给客户端。

VUE客户端

用 Vue 开发web客户端，实现图片上传和识别结果展示。

为了贯彻Vue组件化开发思想，我把单一页面分成三个子组件，分别是图片选择、图片预览和结果显示三个组件，然后放置在一个父组件中。

分成三部分后，各部分的逻辑相对独立，组件间通过vuex共享状态，图片选择完成后，提交mutation更新store中的状态，把URL传给图片预览组件：

同时请求服务端接口，把返回结果传递给图表子组件显示：

VUE客户端源码：

https://github.com/yunTerry/Keras-Vue

Android客户端

Android APP可以直接从手机上选取和上传图片，然后展示识别结果，这里用Retrofit、Picasso等开发一个Android客户端。

首先从手机中选取一张图片，显示在图片预览控件中：

向服务端发post请求，把图片传过去，返回即为识别结果，根据标签和概率显示在列表控件中:

Android客户端源码：

https://github.com/yunTerry/Keras-Android

参考文章

https://blog.keras.io/building-a-simple-keras-deep-learning-rest-api.html