外包公司做网站价格,360建筑网是什么,做网站app价格多少钱,活动策划怎么写Yolov5/8的小程序部署前后端实现 导语本机配置硬件环境配置 前端实现后端实现总结参考文献 导语
毕设的题目与Yolo系列的图像识别相关#xff0c;通过搜查了很多资料和实践最后完成#xff0c;看到某些平台上居然卖300#xff0c;觉得很离谱#xff0c;所以决定把代码开源… Yolov5/8的小程序部署前后端实现 导语本机配置硬件环境配置 前端实现后端实现总结参考文献 导语
毕设的题目与Yolo系列的图像识别相关通过搜查了很多资料和实践最后完成看到某些平台上居然卖300觉得很离谱所以决定把代码开源解决毕业生们的燃眉之急。给出的原码经过测试在本机上无论是Yolov5还是Yolov8都能运行以及v5和v8的区别不大只需要改一两行模型的调用即可因此只用一个代码块来表述。
本机配置
需要注意的是对于模型的训练和预测使用我个人还是建议去租卡跑也不算很贵一小时大概几毛钱我的数据量约为5k跑六七个小时大概就能跑完了但是单纯的调用模型就不用考虑这么多了
硬件 环境配置
在训练模型的时候一定要考虑显卡的驱动版本和CUDA版本之间的对应关系Yolov8的CUDA版本要求较高导致对应的驱动版本也要求较高然后Yolov5的CUDA版本和驱动版本之间的对应关系也和Yolov8重合的不是很多在调用和使用的时候如果对应关系有问题可能会导致结果有问题。 前端实现
这里只给出效果图由于代码和所用的素材较多因此将原码上传到github代码都写上了注释应该阅读起来不是很费劲其中涉及到html和js的部分请自学。
前端代码 后端实现
代码很简单但是需要自学一下Flask的基本用法和如何通过前端来调用详细解释都在代码注释里了看不懂可以在评论区问使用的时候要先启动后端确保后端一直运行才能开始进行前端的操作。
import osimport numpy as np
import torch.hub
from ultralytics import YOLO#导入Yolov8需要提前安装ultralytics库
from flask import request#运用Python的flask类实现与前台信息的交互
from flask import Flask
from flask import send_file
import base64
import cv2
import time
model YOLO(./best.pt)#调用appFlask(__name__)app.route(/request, methods[GET, POST])
def uploads():#clock1 time.time()img request.files.get(img)#拿到变量img对应的图片name img.jpg#重命名img.save(os.path.join(./img, name))#保存#print(time.time() - clock1)#clock1time.time()model.predict(./img,saveTrue,device0)#调用模型进行判断#print(time.time()-clock1)return successapp.route(/get, methods[GET, POST])
def download():#实现前端的功能具体看前端代码print(working)return send_file(./runs/detect/predict/img.jpg)#将识别结果返回#这里给出的是默认的路径# 因为Yolo默认会生成对应的文件夹# 按间距中的绿色按钮以运行脚本。
if __name__ __main__:model YOLO(./best.pt)#直接调用训练好的模型# app.run(hostlocalhost,port8080,debugTrue)#本机上运行app.run(host192.168.225.149,debugTrue)#局域网实现#需要确保手机和电脑在同一局域网内总结
有问题可以直接在评论区里问博客经常在线。
参考文献
黑马程序员前端微信小程序开发教程微信开放文档《Python编程从入门到实践》其他