CaffeServer

Flask backend for caffe image classification project

How it works

This backend server receive client upload image, then call pycaffe script to classify image, return objects detected and its property. response struct:

{
    "objects":
    [{
        "obj": Array[4],
        "class": String,
        "score": Number
    },
    {}
    ]
}

基于flask提供图像分类服务

根据上一篇文章在云服务上搭建的pycaffe运行环境，为了使得这个机器学习环境能更友好地跑起来， 准备简单做一个后端服务，搭配几个简单的API，让用户可以通过网络请求来调取服务。特此开一个Github项目，记录下，后面还要做安卓平台的图像分类应用。 CaffeServer 项目地址 该项目的依赖自然是pycaffe的运行环境，并且caffemodel在指定的磁盘位置。POST 请求 http://yourhost:8000/upload 端口，并且在body里带上包含图片文件的FormData，经过服务器的识别就可以返回JSON格式的识别结果：

{
    "objects":
    [{
        "obj": Array[4],  //识别出对象的外包矩形
        "class": String,  //标签名称，car，horse，bird ....
        "score": Number  //识别结果的confidence
    },{}]
}

【更新 2017/8/2】 提供了基于Angular4.x 构建的UI，来测试后端的CaffeServer 对象检测功能，在线体验地址，后端返回JSON 格式的识别结果

题外话，评价pix2code

针对最近比较火爆的pix2code 项目，github地址. 可以根据Sketch或者PS的UI图直接生成UI代码，其中涉及到对DOM元素的识别和HTML代码，CSS的生成。虽然把机器学习用于代码生成看起来很高大上，不少人说AI太强了，程序猿是不是要失业了。在我看来，不必惊慌。就原作者的意思，这个只是个实验项目，并不成熟，目前只能做一些基础工作，用于减少工程师对UI代码的编写工作，更集中于业务的开发。

而且AI项目最大的问题就是，只是生成静态代码，也就是View层面的代码，而Controller，Model这些最关键的部分还是得靠有经验的程序猿根据业务需求去完成，调试，并且慢慢优化。AI 短时间内还很难帮助优化网络请求，界面渲染等问题。

阿里之前出了深度学习设计AI鲁班，也是同样道理，通过深度学习设计风格，产出设计图示，可以解决设计师的重复劳动，但这些有意思的设计风格也需要优秀的设计师花心思构思。AI 生产的图纸也需要设计师去修订，有的时候修订还不如推翻重来呢。。

以下链接中有 Vue作者尤雨溪的回答，比较客观，仔细想来AI要替代前端工程师的路还远。 知乎：如何评价“代码直出工具”pix2code