概述 这是Spring Boot上的另一篇文章,该文章将展示如何使用Deep Java Library(DJL)构建示例Web应用程序,Deep Java Library(DJL)是Java的开源深度学习库,用于诊断X射线图像上的COVID-19。
该示例应用程序是DJL类似的COVID-19示例的基于Spring Boot的版本,它具有一个使用Twitter Bootstrap和JQuery构建的简单静态HTML页面,用户可以将图像URL提交到REST api,DJL库将在其中下载图像和预测是否是被COVID-19感染的肺部的X射线图像。
到源代码的链接包含在这篇文章的结尾。
免责声明:这只是一个基于https://github.com/ieee8023/covid-chestxray-dataset上的数据集的演示应用程序,不应将其用于实际医学诊断。
深度Java库 如前所述,DJL是一个基于Java的库,它支持多个 深度学习框架,例如Apache MxNet,PyTorch和Tensorflow。由于大多数深度学习引擎都是使用Python而不是Java构建的,因此DJL内置了引擎适配器来访问这些引擎的本机共享库。
DJL以一种优雅的方式做到了这一点,这使得根据用例从一个框架切换到另一个框架变得非常简单。
Dependencies 该应用程序需要Spring Boot Web Starter:
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency>
还有commons-io库,用于一些基本的I / O操作:
<dependency> <groupId>commons-io</groupId> <artifactId>commons-io</artifactId> <version>2.6</version> </dependency>
Lombok库也是如此,因为我懒得编写getter和setter方法:
<dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <optional>true</optional> </dependency>
最后是此示例应用程序的DJL依赖项:
<dependency> <groupId>ai.djl</groupId> <artifactId>api</artifactId> <version>${ai.djl.version}</version> </dependency> <dependency> <groupId>ai.djl.tensorflow</groupId> <artifactId>tensorflow-api</artifactId> <version>${ai.djl.version}</version> </dependency> <dependency> <groupId>ai.djl.tensorflow</groupId> <artifactId>tensorflow-engine</artifactId> <version>${ai.djl.version}</version> </dependency> <dependency> <groupId>ai.djl.tensorflow</groupId> <artifactId>tensorflow-native-auto</artifactId> <version>${tensorflow-native-auto.version}</version> <scope>runtime</scope> </dependency> <dependency> <groupId>net.java.dev.jna</groupId> <artifactId>jna</artifactId> <version>${jna.version}</version> <!-- overrides default spring boot version to comply with DJL --> </dependency>
这是DJL依赖版本所需的Maven属性的列表:
<properties> <java.version>1.8</java.version> <ai.djl.version>0.5.0</ai.djl.version> <jna.version>5.3.0</jna.version> <tensorflow-native-auto.version>2.1.0</tensorflow-native-auto.version> </properties>
XRayApplication class 此类的main()方法将启动Spring Boot应用程序,并且看起来像大多数其他Application类文件:
@SpringBootApplication public class XRayApplication { public static void main(String[] args) { SpringApplication.run(XRayApplication.class, args); } }
Configuration 为了配置DJL库,让我们创建一个DjlConfig带有@Configuration注释的类。
DjlConfig
@Configuration
此类将定义一个ZooModelSpring Bean,它将有助于预测所提交的图像URL是否属于受COVID-19感染的肺:
ZooModelSpring Bean
@Bean public ZooModel xrayModel() throws Exception { Criteria<BufferedImage, Classifications> criteria = Criteria.builder() .setTypes(BufferedImage.class, Classifications.class) .optTranslator(new XrayTranslator()) .build(); return ModelZoo.loadModel(criteria); }
这段代码说明的是,我们创建了一个带BufferedImage输入和Classifications输出类型的ZooModel对象(稍后会详细介绍),并且它使用一个XrayTranslator对象将输入图像转换为深度学习模型正常运行所需的格式。
这是的代码,XrayTranslator它是内部的一个内部类DjlConfig:
public static final class XrayTranslator implements Translator<BufferedImage, Classifications> { private static final List<String> CLASSES = Arrays.asList("covid-19", "normal"); @Override public NDList processInput(TranslatorContext ctx, BufferedImage input) { NDArray array = BufferedImageUtils.toNDArray( ctx.getNDManager(), input, NDImageUtils.Flag.COLOR); array = NDImageUtils.resize(array, 224).div(255.0f); return new NDList(array); } @Override public Classifications processOutput(TranslatorContext ctx, NDList list) { NDArray probabilities = list.singletonOrThrow(); return new Classifications(CLASSES, probabilities); } }
Covid19Service 该Covid19Service班将处理业务逻辑来诊断X射线图像,正如你所看到的,奇怪的是,它的代码实际上只是几行:
@Service public class Covid19Service { @Autowired private ZooModel xrayModel; public String diagnose(String imageUrl) { try (Predictor<BufferedImage, Classifications> predictor = xrayModel.newPredictor()) { Classifications result = predictor.predict(BufferedImageUtils.fromUrl(imageUrl)); return "Diagnose: " + result.best().getClassName() + " , probability: " + result.best().getProbability(); } catch (Exception e) { throw new RuntimeException("Failed to diagnose", e); } } }
ZooModel在DjlConfig类中创建的bean是自动装配的,并在diagnose()具有imageUrl参数的方法中使用。
ZooModel
diagnose()
在该方法内,我们通过预训练的Tensorflow模型Predictor使用该try-resource 块创建一个对象(因为预测器在执行后需要关闭),并使用它来运行BufferedImage(使用imageUrl参数创建的对象。
有关该模型的更多详细信息,请访问:https://www.pyimagesearch.com/2020/03/16/detecting-covid-19-in-x-ray-images-with-keras-tensorflow-and-deep-learning/。
https://www.pyimagesearch.com/2020/03/16/detecting-covid-19-in-x-ray-images-with-keras-tensorflow-and-deep-learning/
一旦diagnose()运行该方法,Classifications结果对象将显示X射线图像上的肺部是否被COVID-19感染,以及感染的可能性是多少。
Classifications
Covid19Controller 控制器类定义了REST API以诊断X射线图像,这些图像将由我们的简单前端应用程序消耗:
@RestController @RequestMapping(value = "/api/v1", produces = MediaType.APPLICATION_JSON_VALUE) public class Covid19Controller { private final Covid19Service covid19Service; public Covid19Controller(Covid19Service covid19Service) { this.covid19Service = covid19Service; } @GetMapping("/covid19/diagnose") public ResponseEntity diagnose(@RequestParam String imageUrl) { String answer = covid19Service.diagnose(imageUrl); return ResponseEntity.ok(Collections.singletonMap("result", answer)); } }
该@RestController注解告诉春天,在我们的MVC设计,这是一个ç ontroller豆定义REST API
@RestController
该@RequestMapping注解告诉Spring,这个类中的所有REST API的路径应为前缀/api/v1,所有的REST API回application\json的响应。
@RequestMapping
/api/v1
REST API
application\json
在Covid19Service我们前面所讨论的是在构造函数自动装配,并使用由以后diagnose的REST APIGET /api/v1/covid19/diagnose路径。
Covid19Service
diagnose
REST APIGET /api/v1/covid19/diagnose
诊断api接受imageUrl请求参数,并返回带有结果的String表示形式的JSON文档。
Front-end Spring Boot应用程序具有一个简单的静态index.html文件作为诊断REST API的前端客户端,它使用Twitter Bootstrap进行响应式设计,并使用JQuery进行REST API调用:
<head> <link rel="stylesheet" href="/css/bootstrap.min.css"/> <script src="/js/jquery.min.js"></script> </head>
该文件具有HTML格式,可以捕获用户的X射线图像URL:
<form id="diagnoseForm" class="mb-4"> <div class="input-group"> <input type="url" id="imageUrl" class="form-control" required placeholder="Enter a image url" aria-label="Image URL"> <div class="input-group-append"> <button class="btn btn-outline-primary">Submit</button> </div> </div> </form>
提交表单后,REST API可能需要一段时间才能做出响应。同时,页面将显示一个微调器,一旦收到响应,该文本将显示在diagnosediv中:
<div class="row ml-1"> <div id="spinnerDiagnose" class="text-primary" role="status"> <span class="sr-only">Loading...</span> </div> <div id="diagnose"></div> </div>
参见下面的Javascript代码:
$( "#diagnoseForm" ).submit(function( event ) { const imageUrl = $('#imageUrl').val(); $('#spinnerDiagnose').addClass('spinner-border'); $('#diagnose').html(''); $.ajax('/api/v1/covid19/diagnose?imageUrl='+imageUrl) .done(data => { $('#spinnerDiagnose').removeClass('spinner-border'); $('#diagnose').html(data.result); }) .fail(err => { $('#spinnerDiagnose').removeClass('spinner-border'); $('#diagnose').html('Failed to get answer'); }); event.preventDefault(); });
触发表单的Submit事件时,代码将获取imageUrl值,显示为微调框,diagnose从先前的运行中清除div的内容,并使用调用诊断REST api imageUrl。
如果响应成功,则代码将隐藏微调框,并在diagnosediv中显示结果。
发生错误时,代码还将隐藏微调框并显示一般错误消息。
Running the app 该应用需要先下载Tensorflow才能运行。
在项目的根文件夹中运行以下命令:
mkdir models cd models curl https://djl-tensorflow-javacpp.s3.amazonaws.com/tensorflow-models/covid-19/saved_model.zip | jar xv cd .. ./mvnw spring-boot:run -Dai.djl.repository.zoo.location=models/saved_model
原文链接:http://codingdict.com