Object-Detection-Flask-API:Python中一个简单的YOLOv3对象检测API（使用Flask）

共25个文件

jpg：8个

py：4个

md：3个

python

flask

yolo

object-detection

需积分: 9 183 浏览量 2021-05-04 15:37:20 上传评论收藏 8.76MB ZIP 举报

资源推荐

资源详情

资源评论

Tensorflow-2-Object-Detection-API-Flask-Application:在此应用程序中，我们为Tensorflow对象检测API构建API端点，并将其部署在Google Kubernetes Engine上。用户使用图像数据敲击端点并获得响应，该响应包括带分数的检测，带覆盖的图像数据，图像大小（可以自定义）

Tensorflow-2-Object-Detection-API-Flask-Application 这是一个已部署tensorflow 2对象检测API的flask应用程序。用户使用图像数据敲击端点并获得响应，该响应包括带分数的检测，带覆盖的图像数据，图像大小（可以自定义）。先决条件和设置您需要设置。这里有一些很棒的文章，，，可以在此过程中为您提供帮助。您可以从下载所需

flask-video-stream：使用Flask的简单网络摄像头视频流python3脚本

Flask-opencv网络摄像头流服务器这是一个简单的python3脚本，可为微型Flask视频网络服务器提供服务，该服务器可通过opencv控制连接的相机/网络摄像头拍照或观看实时视频流。要求为了执行脚本，您需要安装opencv3-> import cv2和一些python模块。移至项目文件夹，然后尝试：尝试＃1： pip install -r requirements.txt

多摄像机实时对象跟踪：使用YOLO v4，Deep SORT和Flask进行多摄像机实时流量和对象计数

多摄像机实时对象跟踪该存储库包含我的对象检测和跟踪项目。所有这些都可以托管在云服务器上。由于您还可以将自己的IP摄像机用于异步处理。我已经写了关于如何使用自己的智能手机与ImageZMQ到流博客文章。 Deep SORT和YOLO v4 查看我的以查看我使用的跟踪算法，其中包括Tensorflow 2.0，异步视频处理和低置信度跟踪过滤的选项。流量计数（）该项目是对象计数应用程序

Real-time-Object-Detection-Flask-OpenCV-YoloV3:使用Flask和OpenCV进行实时对象检测的Web应用程序

实时对象检测烧瓶OpenCV-YoloV3 使用Flask和OpenCV进行实时对象检测的Web应用程序笔记在开始之前，您应该将YoloV3权重（）放在/ models文件夹中用法摄像头预览：启用和禁用网络摄像头预览。运行检测模型：启用和禁用检测模型。曝光：增加或减少相机曝光的按钮停止1。对比度：增大或减小摄像机对比度的按钮将停止4。重置摄像机：根据camera_se

Mobilenet-object-detection-api:这是一个简单的Flask API，使用受Mobilenet训练的模型来检测特定图片上存在的对象

Mobilenet对象检测API 这是一个简单的Flask API，使用受Mobilenet训练的模型来检测特定图片上存在的对象

基于Python使用TensorFlow Object Detection API 实现实时目标检测【100012331】

使用 TensorFlow Object Detection API 进行实时目标检测（基于 SSD 模型）任务列表：行人识别人脸识别交通灯识别实时检测（平均 FPS>15）使用 tflite 将模型移植到嵌入式设备

Object-Detection-Tracking:嵌入式C ++代码，用于使用YOLOv3和OpenCV（图像处理，使用MedianFlow算法进行跟踪）进行对象检测和跟踪，使用来自连接到Raspberry Pi 4B的两个Basler Dart摄像机的实时摄像机进给

Object-Detection-Tracking:嵌入式C ++代码，用于使用YOLOv3和OpenCV（图像处理，使用MedianFlow算法进行跟踪）进行对象检测和跟踪，使用来自连接到Raspberry Pi 4B的两个Basler Dart摄像机的实时摄像机进给

Object-and-Face-Detection-Gui-with-Python-and-PyQt:使用Python和PyQt的人脸和对象识别Gui-目前尚未从人脸检测转向人脸识别，但对象检测效果很好

介绍实时对象检测和分类。纸：，。在darknet中阅读有关YOLO的更多信息，并下载重量文件。万一找不到重量文件，我上传了我的一些文件，其中包括yolo-full和yolo-tiny ， tiny-yolo-v1.1的tiny-yolo-v1.1 v1.1和yolo ， tiny-yolo-voc v2。请参阅下面的演示或在上依存关系 Python3，tensorflow 1

mlapi：您可以在本地安装的易于使用的扩展对象识别API。 Python +烧瓶。也适用于ZMES！

注意从mlapi的2.1.1版本开始，需要ES 6.1.0。从2.1.1开始，mlapiconfig.ini文件已更改为支持序列结构。请阅读以了解发生了什么以及如何最有效地利用这些更改。什么您可以将其安装在自己的服务器中以进行对象和面部识别的API网关。易于扩展到许多/任何其他模型。您可以通过以下方式传递图像：本地文件远程网址如果您正在使用我的它也可以用作远程人脸/识别和对象识

object-detection-flask-opencv:使用Flask和OpenCV进行实时对象检测的Web应用程序

实时物体检测应用 Web应用程序，用于通过Web浏览器对视频流进行实时对象检测。安装创建并激活虚拟环境，如下所示： $ cd cloned/directory/ $ python -m venv env $ env/Scripts/activate 安装并激活环境后，请安装所有依赖项： $ pip install -r requirements.txt 之后，您可以运行以下命令并在浏览

FlaskObjectDetection:烧瓶对象检测-TensorFlow

FlaskObjectDetection-TensorFlow 项目该项目与tensorflow版本1一起使用当您安装tensorflow v2时，该项目已经更新为可以直接调用版本1的工具运行项目安装要求 pip install -r requirements.txt 下载模型创建文件夹ssd_mobilenet_v1_coco_11_06_2017 mkdir ssd_mobile

Object-Detection-MobileNet-cv：实时对象检测，提供所有检测到的对象：标签以及所有边界框预测+ Flask实时托管服务器

对象检测-MobileNet-cv 项目目标：使用您选择的机器学习工具包，创建一个工具，该工具可以识别图像中的对象，然后以像素为单位返回与用户选择的图像中对象类别的边界框相对应的位置。因此，我们将使用检测到的对象绘制已定义标签的边界框，并返回其坐标。这种类型的系统在这种可能的情况下可能非常有用，并且可以集成到当前的技术堆栈中：入侵检测/防盗监控系统在大流行期间保持人与人之间的安全距离

Object-Detection-Quidditch:使用TensorFlow对象检测API进行对象检测

目标检测魁地奇使用TensorFlow对象检测API播放Quidditch。 [ ] [] 该存储库包含“如何使用TensorFlow对象检测API播放Quidditch”的补充材料。有关用法说明和更多结果，请参阅博客文章。

Kivy_Object_Recognition：一个简单的kivy应用程序，可让您使用网络摄像头拍照，并会检测照片中的对象

Kivy_Object_Recognition 一个简单的kivy应用程序，可让您使用网络摄像头拍照，并将检测到照片中的物体

raspberrypi-gpio-api:这是一个在 Flask 上使用 Python 构建的简单 RESTful API，用于通过 Raspberry Pi 的 GPIO 引脚控制 8 通道中继模块。请注意，此应用程序只能在 Raspberry Pi 上运行，并且 GPIO 引脚编号采用 BCM 格式

树莓派 GPIO API 这是一个在 Flask 上使用 Python 构建的简单 RESTful API，用于通过 Raspberry Pi 的 GPIO 引脚控制 8 通道中继模块。请注意，此应用程序只能在 Raspberry Pi 上运行，并且 GPIO 引脚编号采用 BCM 格式。入门第 1 步 - 安装 Pip pi@raspberrypi ~ $ sudo apt-get i

Message-System:一个简单的rest API后端系统，负责使用Python和Flask处理用户之间的消息

讯息系统

Object_Detection_TFHub_1:Tensorflow中的简单对象检测我们将逐步介绍如何使用Tensorflow Hub中可用的对象检测模型。在以下各节中，我们将

Object_Detection_TFHub_1 Tensorflow中的简单对象检测我们将逐步介绍如何使用Tensorflow Hub中可用的对象检测模型。在以下各节中，我们将：探索用于对象检测模型的Tensorflow Hub将模型加载到工作区中，对图像进行预处理以对模型进行推理运行推理并检查输出

Tensorflow-Object-Detection-API-train-custom-Mask-R-CNN-model:使用Tensorflow对象检测API训练Mask R-CNN模型

使用Tensorflow对象检测API训练Mask R-CNN模型 1.安装您可以使用Python Package Installer（pip）或Docker（用于部署和管理容器化应用程序的开源平台）安装TensorFlow对象检测API。为了在本地运行Tensorflow对象检测API，建议使用Docker。如果您不熟悉Docker，则使用pip安装它可能会更容易。首先克隆Tensor

Tensorflow_Object_Detection_with_Tensorflow_2.0:使用带有Google Colab的TensorFlow 2对象检测API的Soccer Player识别

Tensorflow_Object_Detection_with_Tensorflow_2.0 使用带有Google Colab的TensorFlow 2对象检测API的Soccer Player识别在此项目中，我使用了Google Colab（用于模型训练），Google Drive（用于存储）和Local machine（用于模型测试）。创建自己的数据集。使用labelimg进行注释，

Object-Detection-Framework-Using-HOG-And-SVM:该项目旨在提供一个通用框架，该框架利用HOG作为功能部件，并使用SVM作为分类器来检测用户所需的任何对象。可以训练分类器来检测以检测任何东西。只需将正图像添加到pos文件夹，将负图像添加到neg文件夹

使用 HOG 和 SVM 的对象检测框架 ##作者 - Anmol Sharma ＃文件和文件夹的描述 genfiles - FOLDER - Will contain SVM models that are trained on different training sets specified by the naming scheme of different folder

Tensorflow-Object-Detection-API-Train-Model:使用Tensorflow对象检测API和Tensorflow 2训练对象检测模型

如何使用Tensorflow对象检测API训练自定义对象检测模型（自述启发）更新：该自述文件和存储库现已针对Tensorflow 2进行了完全更新。如果您想使用Tensorflow 1，请查看。如果要在Google Colab中训练模型，请查看。介绍脚步： 1.安装您可以使用Python Package Installer（pip）或（用于部署和管理容器化应用程序的开源平台）安装

Object-Detection-With-Smart-Phones:项目中的实时对象检测是使用React Native（移动端）和PHP（API端）完成的。最初，React Native和PHP正在开发一种应用程序，该应用程序可以立即识别从手机摄像头拍摄的图像中的对象，然后查找图像上的对象总数。

TC 可可里大学计算机工程软件实验室1项目-3 智能手机进行对象检测 ENGENNYENİCE-190201133 文件名内容 YazLab-1-Project-3.pdf 190201133-Report.pdf 190201133-Rough-Code.pdf 190201133-Project.zip 190201133.txt readme.txt 如何运行项目运行React N

Tensorflow-Object-Detection-with-Tensorflow-2.0:将Tensorflow对象检测API与Tensorflow 2一起使用

使用Tensorflow 2进行Tensorflow对象检测在此存储库中，您可以找到有关如何在Tensorflow 2中使用Tensorflow OD API的一些示例。有关更多信息，请查看我的文章：安装您可以使用Python Package Installer（pip）或（用于部署和管理容器化应用程序的开源平台）安装TensorFlow对象检测API。首先克隆Tensorflow

基于Python+pytorch的图像处理+附完整代码图像处理，能够轻松实现图像的读取、显示、裁剪等还有机器学习等操作

Python+PyTorch：图像处理界的“瑞士军刀” 在图像处理这个充满魔法的世界里，Python和PyTorch这对黄金搭档，就像一位技艺高超的魔法师和一把无所不能的“瑞士军刀”，总能轻松解决各种看似棘手的难题。它们以高效、灵活和强大的特性，引领着图像处理技术的发展潮流，让无数开发者为之倾倒。Python，这位优雅的魔法师，以其简洁易懂的语法和丰富的库资源，赢得了广大开发者喜爱。无论是数据处理

python大作业含爬虫、数据可视化、地图、报告、及源码（2016-2021全国各地区粮食产量）.rar

5星 · 资源好评率100%

（含源码及报告）本程序分析了自2016年到2021年（外加）每年我国原油加工的产量，并且分析了2020年全国各地区原油加工量等，含饼状图，柱状图，折线图，数据在地图上显示。运行本程序需要requests、bs4、csv、pandas、matplotlib、pyecharts库的支持，如果缺少某库请自行安装后再运行。文件含6个excel表，若干个csv文件以及一个名字为render的html文件（需

《点燃我温暖你》中李峋的同款爱心代码

5星 · 资源好评率100%

python做的《点燃我温暖你》中李峋的同款爱心代码，最还原的

收起资源包目录

Object-Detection-Flask-API-master.zip （25个子文件）

Object-Detection-Flask-API-master

app.py 1KB

yolo.py 2KB

images

class.jpg 169KB

snack.jpg 506KB

home.jpeg 276KB

city_scene.jpg 3.24MB

meeting.jpeg 172KB

bar.jpeg 124KB

dog.jpg 172KB

darknet.py 18KB

utils.py 10KB

cfg

yolov3.cfg 9KB

data

coco.names 705B

iti

image 2B

Title Background.gif 2.5MB

postman.png 53KB

sample_output

20200521_233133_570.jpg 675KB

20200521_233233_695.jpg 356KB

20200521_233222_914.jpg 250KB

20200521_233208_33.jpg 354KB

requirements.txt 239B

.gitignore 194B

weights

README.md 205B

README.md 4KB

instance

README.md 303B

评论收藏

内容反馈

想知道不知道但想知道

粉丝: 43
资源: 4729

Object-Detection-Flask-API:Python中一个简单的YOLOv3对象检测API（使用Flask）

Object_Detection_API

object_detection_api:Flask API，可使用Python ImageAI检测给定图像中的对象

Object_Detection_Application

yolov3在python web运行

flask-video-stream：使用Flask的简单网络摄像头视频流python3脚本

多摄像机实时对象跟踪：使用YOLO v4，Deep SORT和Flask进行多摄像机实时流量和对象计数

Real-time-Object-Detection-Flask-OpenCV-YoloV3:使用Flask和OpenCV进行实时对象检测的Web应用程序

Mobilenet-object-detection-api:这是一个简单的Flask API，使用受Mobilenet训练的模型来检测特定图片上存在的对象

基于Python使用TensorFlow Object Detection API 实现实时目标检测【100012331】

Object-Detection-Tracking:嵌入式C ++代码，用于使用YOLOv3和OpenCV（图像处理，使用MedianFlow算法进行跟踪）进行对象检测和跟踪，使用来自连接到Raspberry Pi 4B的两个Basler Dart摄像机的实时摄像机进给

Object-and-Face-Detection-Gui-with-Python-and-PyQt:使用Python和PyQt的人脸和对象识别Gui-目前尚未从人脸检测转向人脸识别，但对象检测效果很好

mlapi：您可以在本地安装的易于使用的扩展对象识别API。 Python +烧瓶。 也适用于ZMES！

object-detection-flask-opencv:使用Flask和OpenCV进行实时对象检测的Web应用程序

FlaskObjectDetection:烧瓶对象检测-TensorFlow

Object-Detection-MobileNet-cv：实时对象检测，提供所有检测到的对象：标签以及所有边界框预测+ Flask实时托管服务器

Object-Detection-Quidditch:使用TensorFlow对象检测API进行对象检测

Kivy_Object_Recognition：一个简单的kivy应用程序，可让您使用网络摄像头拍照，并会检测照片中的对象

raspberrypi-gpio-api:这是一个在 Flask 上使用 Python 构建的简单 RESTful API，用于通过 Raspberry Pi 的 GPIO 引脚控制 8 通道中继模块。 请注意，此应用程序只能在 Raspberry Pi 上运行，并且 GPIO 引脚编号采用 BCM 格式

Message-System:一个简单的rest API后端系统，负责使用Python和Flask处理用户之间的消息

Object_Detection_TFHub_1:Tensorflow中的简单对象检测我们将逐步介绍如何使用Tensorflow Hub中可用的对象检测模型。 在以下各节中，我们将

Tensorflow-Object-Detection-API-train-custom-Mask-R-CNN-model:使用Tensorflow对象检测API训练Mask R-CNN模型

Tensorflow_Object_Detection_with_Tensorflow_2.0:使用带有Google Colab的TensorFlow 2对象检测API的Soccer Player识别

Tensorflow-Object-Detection-API-Train-Model:使用Tensorflow对象检测API和Tensorflow 2训练对象检测模型

Tensorflow-Object-Detection-with-Tensorflow-2.0:将Tensorflow对象检测API与Tensorflow 2一起使用

基于Python+pytorch的图像处理+附完整代码图像处理，能够轻松实现图像的读取、显示、裁剪等还有机器学习等操作

python大作业 含爬虫、数据可视化、地图、报告、及源码（2016-2021全国各地区粮食产量）.rar

《点燃我温暖你》中李峋的同款爱心代码

最新资源

mlapi：您可以在本地安装的易于使用的扩展对象识别API。 Python +烧瓶。也适用于ZMES！

raspberrypi-gpio-api:这是一个在 Flask 上使用 Python 构建的简单 RESTful API，用于通过 Raspberry Pi 的 GPIO 引脚控制 8 通道中继模块。请注意，此应用程序只能在 Raspberry Pi 上运行，并且 GPIO 引脚编号采用 BCM 格式

Object_Detection_TFHub_1:Tensorflow中的简单对象检测我们将逐步介绍如何使用Tensorflow Hub中可用的对象检测模型。在以下各节中，我们将

python大作业含爬虫、数据可视化、地图、报告、及源码（2016-2021全国各地区粮食产量）.rar