“Word is useless, show me the pic” -MR Lu

先看下原图： 
 
图片表述的是一男一女在散步，后面有一辆车，现在来看下我们通过十行代码实现的效果：

我们可以看到，在这幅图中其实有三个“person”被识别出来，包括后面非常非常小的行人，还有一个“car”被识别出来，可以说模型能力基本达到了人眼的能力。现在就来介绍如何把这个识别结果用10行python代码实现。

代码

既然代码用得少，必然是站在了巨人的肩膀上去做事，需要安装大量第三方库。

1.需要首先用pip3安装以下库：

pip3 install numpy、scipy、opencv-python、pillow、matplotlib、h5py、keras、

	
	

		1
	

注意：用到的是python3，有一些库在国内安装很慢，可以使用豆瓣源

pip3  install 第三方库名  -i  https://pypi.doubanio.com/simple/  --trusted-host pypi.doubanio.com

	
	

		1
	

2.然后要安装用到的识别库，名字叫imageai：

pip3 install https://github.com/OlafenwaMoses/ImageAI/releases/download/2.0.1/imageai-2.0.1-py3-none-any.whl 

	
	

		1
	

3.接着要下载训练好的模型，我们直接使用现成的模型做预测，模型地址（145MB）：

https://github.com/OlafenwaMoses/ImageAI/releases/download/1.0/resnet50_coco_best_v2.0.1.h5

	
	

		1
	

4.后来看看代码：

from imageai.Detection import ObjectDetection
import os

execution_path = os.getcwd()


detector = ObjectDetection()
detector.setModelTypeAsRetinaNet()
detector.setModelPath( os.path.join(execution_path , "resnet50_coco_best_v2.0.1.h5"))
detector.loadModel()
detections = detector.detectObjectsFromImage(input_image=os.path.join(execution_path , "image3.jpg"), output_image_path=os.path.join(execution_path , "image3new.jpg"))


for eachObject in detections:
   print(eachObject["name"] + " : " + eachObject["percentage_probability"] )
   print("--------------------------------") 

	
	

		1
	

	

		2
	

	

		3
	

	

		4
	

	

		5
	

	

		6
	

	

		7
	

	

		8
	

	

		9
	

	

		10
	

	

		11
	

	

		12
	

	

		13
	

	

		14
	

	

		15
	

	

		16
	

	

		17
	

	

		18
	

clone代码地址：https://github.com/OlafenwaMoses/ImageAI

其中模型要跟代码放到统一路径下，image2.jpg是输入图片，image2new.jpg是输出图片。一共有效行数为10。运行这个文件就会生成标记好的图片。