文章目录
1. 成果演示
2. 写在前面
用pytorch训练了一个答题卡识别模型，然后将训练后的模型部署到了线上，并提供一个可供调用的api接口。
3. 接口文档
3.1. 请求地址
https://answer-sheet-recognition.herokuapp.com/upload
3.2. 请求方法
post
3.3. 必要参数
| 字段 | 类型 | 描述 |
|---|---|---|
| part | int or str | 答题卡行数 |
| file | file | 二进制图片 |
3.4. 成功响应
| 字段 | 类型 | 描述 |
|---|---|---|
| prediction | 列表 | 手写答案的预测结果 |
4. 请求示例
4.1. 测试图片
4.2. 请求代码
import requests, json
url = 'https://answer-sheet-recognition.herokuapp.com/upload'
params = {'part': '2'}
files = {'file': open('2.jpg', 'rb')}
res = requests.post(url, params=params, files=files).json()
print(json.dumps(res, indent=4))
4.3. 响应结果
{
"prediction": [
"C",
"A",
"A",
"B",
"D",
"B",
"C",
"C",
"A",
"B"
]
}
5. 注意事项
该api接口仅支持2行和4行的答题卡识别。此外，该模型是在CPU中调用，识别速度较慢，请耐心等待，且为了更快速的识别，推荐上传JPG格式的答题卡，图片大小最好不要超过1MB。
- 2行答题卡示例：
- 4行答题卡示例：
6. 温馨提示
接口仅供调用测试，有次数限制，非法滥用会封IP，请勿用于实际生产环境。
7. 相关推荐
8. 开发人员
- XavierJ：模型训练与部署
- DemoJackey、Tianyu_@Z：答题卡字符分割
- kiroe：微信小程序（开发中……）