“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、
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
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
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
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。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责,本站只提供参考并不构成任何投资及应用建议。本站是一个个人学习交流的平台,网站上部分文章为转载,并不用于任何商业目的,我们已经尽可能的对作者和来源进行了通告,但是能力有限或疏忽,造成漏登,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。