10行Python代码实现计算机中视觉中的目标检测踩坑

记录一下根据网上文章实现计算机视觉中目标检测时踩的坑。

如何借助ImageAI轻松实现目标检测

使用ImageAI执行目标检测，只需以下4步：

1.在电脑上安装Python

2.安装ImageAI及其环境依赖

3.下载目标检测模块文件

4.运行示例代码，就是我们展示的那10行

下面我们一步步详细讲解。
1）从Python官网下载和安装Python 3
python.org/
2）通过pip安装如下环境依赖
Tensorflow
pip install tensorflow
踩坑：安装tensorflow时，一起安装的protobuf 是3.6.1版本，要把protobuf 的版本改成3.6.0，不然会报 ImportError: DLL load failed: 找不到指定的程序。

• Numpy

  pip install numpy

• SciPy

  pip install scipy

• OpenCV

  pip install opencv-python

• Pillow

  pip install pillow

• Matplotlib

  pip install matplotlib

• H5py

  pip install h5py

• Keras

  pip install keras

• ImageAI

  先将imageai-2.0.1-py3-none-any.whl下载之后安装，下载地址：https://github.com/OlafenwaMoses/ImageAI/releases/download/2.0.1/imageai-2.0.1-py3-none-any.whl
  pip install C:\User\adm\Downloads\imageai-2.0.1-py3-none-any.whl

通链接下载RetinaNet 模型文件用于目标检测。下载链接：https://github.com/OlafenwaMoses/ImageAI/releases/download/1.0/resnet50_coco_best_v2.0.1.h5

到了这里我们已经安装好了所有依赖，就可以准备写自己的首个目标检测代码了。 创建一个Python文件，为其命名（比如FirstDetection.py），然后将如下代码写到文件中，再把RetinaNet模型文件以及你想检测的图像拷贝到包含该Python文件的文件夹里。

FirstDetection.py

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 , "image.jpg"), output_image_path=os.path.join(execution_path , "imagenew.jpg"))
 
for eachObject in detections:
    print(eachObject["name"] + " : " + eachObject["percentage_probability"] )

然后运行代码，等待控制台打印结果。等控制台打印出结果后，就可以打开FirstDetection.py所在的文件夹，你就会发现有新的图像保存在了里面。可以看到图像上显示了检测出的物体名称及概率。
参考文档链接：https://blog.csdn.net/a13662080711/article/details/81195379