简介

使用springBoot + redis +Faster-RCNN的网站-目标检测工具

使用方法

1、搭建Java环境

打入SpringBoot项目方法

在本项目中，对于Java前后端逻辑部分，导入JavaNetPytorch文件即可

2、搭建redis环境

下载并安装Reds

按照config文件开启本地redis服务端

redis-server /your_location/redis.conf
# 开启服务端

再用本机作为客户端去进行连接，之后即可进行查看（redis默认端口为6379）

redis-cli -p 6379
# 本机作为客户端再去连本机的服务端

# 连接成功后出现如下提示
(base) J-Lian-MacAir:~ liuzheran$ redis-server /usr/local/redis-6.0.6/redis.conf
2855:C 05 Dec 2021 20:08:48.797 # oO0OoO0OoO0Oo Redis is starting oO0OoO0OoO0Oo
2855:C 05 Dec 2021 20:08:48.797 # Redis version=6.0.6, bits=64, commit=00000000, modified=0, pid=2855, just started
2855:C 05 Dec 2021 20:08:48.797 # Configuration loaded
(base) J-Lian-MacAir:~ liuzheran$ redis-cli -p 6379
127.0.0.1:6379> 

本项目中默认使用数据库1存储，切换到数据库1

127.0.0.1:6379> select 1
OK
127.0.0.1:6379[1]> 

3、搭建python环境

• conda + 虚拟环境 + pychram导入

安装conda，新建虚拟环境，并在pycharm中引入该虚拟环境，参考博客如下

Mac系统下安装Anaconda并搭建Pytorch进行深度学习

【Mac OS】Anaconda+PyCharm搭建PyTorch环境

其中，新建虚拟环境需要的常见指令如下

创建虚拟环境 conda create -n [虚拟环境名称] python=3.x
激活虚拟环境 source activate[虚拟环境名称]
退出当前虚拟环境 conda deactivate
查看所有环境 conda info --envs
查看当前环境中的所有包 conda list
安装包 conda/pip install [包名称]

# 本文创建的虚拟环境名称为 py39
conda create -py39 python=3.9

注意如果是使用的M1芯片则需要用另一种conda

M1芯片Mac上Anaconda的暂时替代：miniforge

• 导入核心第三库

PyTorch 1.8.0、Torvision 0.9.1、flask

如果是第一次pytorch，还可能踩torchaudio的坑；例如下图是pytorch官方给的安装指令

conda install pytorch torchvision torchaudio -c pytorch

但一般会由于镜像包缺少torchaudio而被卡住，所以我们直接不下载torchaudio，因为本项目目标检测用不到，所以将指令改为如下即可

conda install pytorch torchvision  -c pytorch

另外还有一些第三库按照缺少的一个个用conda导入即可，不问不在赘述

在配置好环境之后，将下文资源中的权重放在save_weights文件夹中，运行app.py脚本文件即可开启开启python目标检测部分的web应用

4、使用

• 打开浏览器输入localhost:8080进入页面

• 选中需要访问的图片

• 得到检测结果

资源

• fasterRCNN权重：百度网盘连接https://pan.baidu.com/s/1WqLlbYCEIiTU5LJl0PuNvw 提取码: khln
  • 下载好之后，放入save_weights文件夹之下，PythonNetPytorch.py文件会读取权重并加载进模型

参考

使用Redis加速深度学习模型（Spring/Python/Redis）

本项目是在此项目的基础上进行修改和优化的，唯一不同的是将目标检测算法换成了fasterRCNN

仅作为学习使用