1. 百度服务机器人介绍

开放平台架构

机器人后台配置网址: https://console.bce.baidu.com/abcrobot/#/consolePage/extAbility/objIdentify
- 需要企业百度云账号，这里做演示说明
- 机器人配置后台

配置自定义物体识别功能
- 配置页面
- 其中需要配置我们自己的物体识别HTTP接口，密钥可以随意配置

2. 接口对接百度修改

参考百度人脸、物体识别协议

2.1 web对接口

from flask import Flask
from flask import request, abort, send_file, render_template, jsonify
import base64
from urllib import parse@app.route("/api/v3/prediction/commodity", methods=['POST'])
def commodity_predict_itcast():"""百度机器人对接接口"""# 百度机器人平台传入参数解析req = request.get_json()requestId = req["requestId"]img_str = req["image"]# 传入的image_str进行解码gbk编码形式img_str = parse.unquote(img_str)# str编码utf-8之后进行base64解码img = base64.b64decode(img_str.encode())# 预测结果标记，不标记图片直接返回预测结果，百度平台识别处理# 通过i获取图片label, location, xmin, ymin, xmax, ymax# pre_label = outputs[0][:, 0]# pre_conf = outputs[0][:, 1]# pre_xmin = outputs[0][:, 2]# pre_ymin = outputs[0][:, 3]# pre_xmax = outputs[0][:, 4]# pre_ymax = outputs[0][:, 5]y_predict = make_prediction_v2(img)# 预测结果返回参数封装resp = {"result":[]}for i in range(outputs[0][:, 1].shape[0]):resp["result"].append({"score":float(outputs[0][:, 1][i]), "root":"", "keyword":VOC_LABELS[str(outputs[0][:, 0][i])]})resp["extInfos"] = {}resp["filterThreshold"] = 0.7resp["resultNum"] = outputs[0][:, 1].shape[0]resp["requestId"] = requestIdprint(resp)return jsonify(resp)

对应的预测结果进行最后输出修改

def make_prediction_v2(image):"""对于前端传入的参数进行预测:return:"""# - 1、获取读取后台读取的图片def resize_img(image, input_size):img = io.BytesIO()img.write(image)# 使用pillow image 接收这个图片rgb = Image.open(img).convert('RGB')# 换砖大小if input_size:rgb = rgb.resize((input_size[0], input_size[1]))return rgb# - 2、图片大小处理，转换数组resize = resize_img(image, (300, 300))image_array = img_to_array(resize)# 3---> 4维度image_tensor = preprocess_input(np.array([image_array]))# - 3、打开通道channel, 构建stub，预测结果， predict_pb2进行预测请求创建# 8500:grpc 8501:httpwith grpc.insecure_channel("127.0.0.1:8500") as channel:# stub通道stub = prediction_service_pb2_grpc.PredictionServiceStub(channel)# 构造请求 tensorflow serving请求格式request = predict_pb2.PredictRequest()request.model_spec.name = 'commodity'# 默认签名即可request.model_spec.signature_name = signature_constants.DEFAULT_SERVING_SIGNATURE_DEF_KEYrequest.inputs['images'].CopyFrom(tf.contrib.util.make_tensor_proto(image_tensor, shape=[1, 300, 300, 3]))# 与模型服务进行请求获取预测结果# 模型服务的request {'concat_3:0': tensor类}results = stub.Predict(request)# 会话去解析模型服务返回的结果with tf.Session() as sess:_res = sess.run(tf.convert_to_tensor(results.outputs['concat_3:0']))# 进行预测结果的NMS过滤# 物体检测的类别数量8 + 1bbox = BBoxUtility(9)y_predict = bbox.detection_out(_res)return y_predict

【模型导出与部署】项目接口与百度机器人对接相关推荐

如何将revit的内建模型导出使用？项目族管理功能介绍
Revit中内建模型建模是我们常用的功能,每次建模完成后都可以在另一个项目中使用,但是前提是需要导出后再载入才能在另一个项目中使用.今天就教教大家如何将Revit的内建模型单独导出,方便大家下次使用在 ...
tf.saved_model.save模型导出、TensorFlow Serving模型部署、TensorBoard中的HParams 超参数调优
日萌社人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) 4.11 综合案例:模型导出与部署学习目标目标掌握Ten ...
Django零基础部署机器学习模型（将模型预测打包成API接口/网页URL）
Django零基础部署机器学习模型 Django REST framework项目创建框架结构了解部署代码 Django REST framework项目创建建立一个项目文件夹,使用VScode ...
4模型导出_项目模型规范总结游戏模型制作的注意事项
点击上方"3D天工坊"关注我本期我们来总结一下模型规范导出等~ 1. 单位,比例统一在建模型前先设置好单位,在同一场景中会用到的模型的单位设置必须一样,模型与模型之间的比例要正确 ...
【项目实战课】微信小程序图像识别模型前后端部署实战
欢迎大家来到我们的项目实战课,本期内容是<微信小程序图像识别模型前后端部署实战>.所谓项目实战课,就是以简单的原理回顾+详细的项目实战的模式,针对具体的某一个主题,进行代码级的实战讲解. ...
数据采集标注、模型开发、部署落地，百度大脑全栈 AI 能力详解
AI 时代已来,软硬件解决方案企业在智能化转型过程中,面临着技术投入成本高.研发周期长等挑战.如何借助业内成熟技术.快速低成本地实现 AI 应用,已成为企业自身与技术平台特别关注的问题. 从核心技术能 ...
使用百度开放云应用引擎 BAE 部署项目的一些心得
说明:本部署说明针对 Java 应用. 当然,我这里记录的也只是为了方便自己看,要想得心应手地使用 BAE 部署项目,还是要去看 BAE 的官方文档,还是要去看 BAE 的官方文档,还是要去看 BAE ...
训练好的深度学习模型是怎么部署的？
训练好的深度学习模型是怎么部署的? 来源:https://www.zhihu.com/question/329372124 作者:田子宸先说结论:部署的方式取决于需求需求一:简单的demo演示,只 ...
【PaddleDetection】基于PaddleDetection的齿轮瑕疵检测：从模型训练到部署中的那些坑
目录 0 题目简介 1 Baseline项目的本地化 1.1 飞桨环境配置飞桨安装注意事项 1.2 PaddleDetection安装 PaddleDetection注意事项 1.3 数据集下载与配 ...
YOLOV5 v6.1更新 | TensorRT+TPU+OpenVINO+TFJS+TFLite等平台一键导出和部署
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨ChaucerG 来源丨集智书童 yolov5 release 6.1版本增加了TensorRT ...

【模型导出与部署】项目接口与百度机器人对接

项目接口与百度机器人对接

1. 百度服务机器人介绍

2. 接口对接百度修改

2.1 web对接口

【模型导出与部署】项目接口与百度机器人对接相关推荐

最新文章

热门文章