从零开始，搭建基于PaddlePaddle图像分割模型的Web应用

本项目介绍如何从零开始搭建一个基于PaddlePaddle的图像分割模型的Web应用。模型将以PaddleSeg训练的模型为例，以此讲解Paddle模型在Web上的一种应用方式。

1. 项目简介

1.1 模型部署

模型训练好后就需要完成模型的部署了。这是模型落地的一项重要工作。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

目前Paddle模型部署有如图1所示的几种不同方式。

图1 Paddle模型部署的几种方式

本项目所用方式类似于第二种Paddle Serving的方式，但是又不借助于Paddle Serving，而是采用更加直观简易的方式，只用于跑通流程，实际生产中需要做进一步开发。

1.2 Web应用

基于BS架构的Web应用是一种非常流行的模型部署方式。Web应用具有迭代更新简单快捷，用户使用方便等优点。

Web应用系统的搭建分为前端开发和后端开发两部分。其中前端开发负责浏览器端的界面设计、实现和用户交互的逻辑实现。后端开发负责服务器端的逻辑开发及对用户请求的响应实现。Web前后端的关系如图2所示。

图2 Web前后端关系示意图

2. Web前端开发

本项目的前端开发基于HTML、CSS和JavaScript实现。由于目的是讲解开发流程，这里并没有采用前端的开发框架，例如Vue、React、Angular等。在实际中可以根据需要采用适合自己的解决方案。本项目的Web应用页面包括如下几个方面：

2.1. 主页。

项目主页如图3所示。

图3 项目主页

2.2. 上传图片页面。

上传图片的页面如图4所示。用户可以在该页面上上传需要图像分割的图片。

图4 上传图片页面

2.3. 预测成功页面。

预测成功的页面如图5所示。用户可以在该页面点击分割结果的超链接。

图5 预测成功的页面

2.4. 预测失败页面。

预测失败的页面如图6所示。如果预测过程不能顺利进行，用户将看到该预测失败的页面。

图6 预测失败的页面

2.5. 预测结果的图片。

预测结果的展示页面如图7所示。用户可以在该页面上看到预测结果的图片。

图7 预测结果展示页面