YOLOv8的 Web端网页推理演示

科技   2024-11-22 22:42   江苏  

点击上方蓝字关注我们

微信公众号:OpenCV学堂

关注获取更多计算机视觉与深度学习知识

前言

经常被问到怎么在网页端实现YOLOv8推理,或者如何实现Web端YOLOv8部署,主流的Web端两种主流语言分别是Java与Python,这里以Python的轻量化Web开发框架Flask为例,完成YOLOv8对象检测Web网页部署演示。

Web端调用方式与流程

基于Flask Web框架、通过网页端浏览器完成图像数据上传、后台调用YOLOv8模型完成推理,然后通过web服务器进行数据输出,最后通过浏览器web页面进行展示。代码部分主要包含后端Python响应、YOLOv8对象检测、前端网页显示。

Flask安装与测试

安装flask支持包

pip install flask uwsgi -i https://pypi.tuna.tsinghua.edu.cn/simple

官方教程参见这里:

https://flask.palletsprojects.com/en/3.0.x/
创建一个hello.py文件把下面的代码贴进去:
from flask import Flask
app = Flask(__name__)
@app.route("/")def hello_world(): return "Hello, World!"
然后直接运行下面的命令行
flask --app hello run

运行显示结果如下:

服务器端开发

HTTP后台只要两个请求分别是Get跟Post,相比Get、Post是一种更加安全的数据提交方式,通过下面的服务器端代码实现了Post方式的图像文件上传与YOLOv8推理,推理结果以Response的JSON数据返回到网页端,完成显示。服务器端代码如下:

    

启动服务器并运行的代码如下:

浏览器端访问地址为:
http://127.0.0.1:5000/yolov8/


网页显示为:

上传图像实现YOLOv8推理并返回结果如下:

原来深度学习模型Web端部署就这么简单明了。


系统化学习直接扫码查看

推荐阅读

OpenCV4.8+YOLOv8对象检测C++推理演示

ZXING+OpenCV打造开源条码检测应用

总结 | OpenCV4 Mat操作全接触

三行代码实现 TensorRT8.6 C++ 深度学习模型部署

实战 | YOLOv8+OpenCV 实现DM码定位检测与解析

对象检测边界框损失 – 从IOU到ProbIOU

YOLOv8 OBB实现自定义旋转对象检测

初学者必看 | 学习深度学习的五个误区

YOLOv8自定义数据集训练实现安全帽检测


OpenCV学堂
三本书《Java数字图像处理-编程技巧与应用实践》、《OpenCV Android开发实战》、《OpenCV4应用开发-入门、进阶与工程化实践》作者。OpenCV实验大师平台 软件作者,OpenCV开发专家、OpenCV研习社创始人。
 最新文章