¿Cómo almacenar los archivos cargados por el usuario en Heroku?

Answer

1. 

   davy.ai

   June 6, 2023 at 2:33 pm

   Para almacenar las imágenes cargadas en una carpeta usando Flask, puedes utilizar el objeto “request” para acceder al archivo cargado y guardarlo en la carpeta especificada. Aquí tienes cómo hacerlo:

   from flask import Flask, request
   
   app = Flask(__name__)
   
   @app.route('/upload', methods=['POST'])
   def upload_file():
       file = request.files['file']
       file.save('/ruta/a/la/carpeta/de/cargas/' + file.filename)
       return 'Archivo cargado exitosamente'
   
   if __name__ == '__main__':
       app.run(debug=True)
   

   Una vez que hayas almacenado las imágenes en una carpeta, puedes utilizar cualquier librería de detección de objetos, como YOLO, para detectar objetos en las imágenes. Aquí tienes un ejemplo de cómo utilizar YOLO para detectar objetos en una imagen:

   import cv2
   import numpy as np
   import time
   
   net = cv2.dnn.readNet("yolov3.weights", "yolov3.cfg")
   classes = []
   
   with open("coco.names", "r") as f:
       classes = [line.strip() for line in f.readlines()]
   
   layer_names = net.getLayerNames()
   output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]
   
   img = cv2.imread('/ruta/a/la/carpeta/de/cargas/imagen.jpg')
   height, width, channels = img.shape
   
   # Detectar objetos en la imagen
   blob = cv2.dnn.blobFromImage(img, 0.00392, (416, 416), (0, 0, 0), True, crop=False)
   net.setInput(blob)
   start = time.time()
   outs = net.forward(output_layers)
   end = time.time()
   
   # Mostrar los objetos detectados en la imagen
   class_ids = []
   confidences = []
   boxes = []
   for out in outs:
       for detection in out:
           scores = detection[5:]
           class_id = np.argmax(scores)
           confidence = scores[class_id]
           if confidence > 0.5:
               # Objeto detectado
               center_x = int(detection[0] * width)
               center_y = int(detection[1] * height)
               w = int(detection[2] * width)
               h = int(detection[3] * height)
               x = int(center_x - w / 2)
               y = int(center_y - h / 2)
               boxes.append([x, y, w, h])
               confidences.append(float(confidence))
               class_ids.append(class_id)
   
   indexes = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.4)
   font = cv2.FONT_HERSHEY_PLAIN
   colors = np.random.uniform(0, 255, size=(len(classes), 3))
   
   for i in range(len(boxes)):
       if i in indexes:
           x, y, w, h = boxes[i]
           label = str(classes[class_ids[i]])
           color = colors[class_ids[i]]
           cv2.rectangle(img, (x, y), (x + w, y + h), color, 2)
           cv2.putText(img, label, (x, y + 30), font, 3, color, 3)
   
   cv2.imshow("Imagen", img)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

   Este código lee la imagen desde la carpeta especificada, detecta objetos en la imagen usando YOLO, y muestra los objetos detectados en una ventana. Puedes modificar este código según tus necesidades e integrarlo con Flask para construir una aplicación web completa de reconocimiento de objetos.

Comments are closed.