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 Flaskapp = Flask(__name__)@app.route("/")defhello_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
