目录
一、整体功能概述
这段代码实现了一个图像分类系统,使用预训练的 ResNet18 模型对输入图像进行分类,并将分类结果显示在图像上。它包括以下主要步骤:
读取一个包含类别名称和对应编号的文本文件,并将其存储在字典中。
定义了几个函数,包括模型导出函数 resnet()、图像预处理函数 pre_process() 和加载 ONNX 模型进行分类的函数 loadOnnx()。
在主程序中,指定输入图像路径,调用 loadOnnx() 函数对图像进行分类并显示结果。
二、函数分析
2.1 resnet() 函数:
使用 torchvision 中的预训练 ResNet18 模型,并设置为评估模式。
生成一个随机输入张量 x,并将模型导出为 ONNX 格式,保存为 models/resnet18.onnx 文件。
def resnet():
model=models.resnet18(weights=ResNet18_Weights.IMAGENET1K_V1)
model.eval()
x=torch.randn(1,3,224,224)
torch.onnx.export(model,x,'models/resnet18.onnx',input_names=['input'],output_names=['output'])
2.2 pre_process(img_path) 函数:
读取输入图像 img_path。
调整图像大小为 224x224。
将图像颜色通道从 BGR 转换为 RGB。
对图像像素值进行归一化处理。
交换图像维度顺序,并增加一个维度。
返回预处理后的图像张量。
def pre_process(img_path):
#h w c--->224,224,3
#归一化
#换轴
#增加维度
img=cv2.imread(img_path)
scale_image=cv2.resize(img,dsize=(224,224))
rgb_img=cv2.cvtColor(scale_image,cv2.COLOR_BGR2RGB)
rgb_img=rgb_img/255
rgb_img=np.transpose(rgb_img,(2,0,1))
rgb_img=np.expand_dims(rgb_img,0).astype(np.float32)
return rgb_img
2.3 loadOnnx(img_path) 函数:
创建一个 ONNX 推理会话,加载预导出的 ResNet18 ONNX 模型。
调用 pre_process() 函数对输入图像进行预处理。
准备输入数据并进行推理。
获取推理结果中概率最大的类别编号。
根据类别编号从字典中获取对应的类别名称,并进行翻译。
在输入图像上显示分类结果,并展示图像。
def loadOnnx(img_path):
session=ort.InferenceSession(r'models\resnet18.onnx',providers=['CPUExecutionProvider'])
img=pre_process(img_path)
img_back=cv2.imread(img_path)
intput_feed={'input':img}
session_out=session.run(None,intput_feed)[0]
out=np.argmax(session_out,axis=1)[0]
res=str(out)
# print(dict[res])
ans=dict[res].split(',')[1].split(']')[0].strip()
ans = translator.translate(ans)
cv2.putText(img_back,ans,(100,100),fontFace=1,fontScale=2.0,color=(0,0,255),thickness=3,lineType=cv2.LINE_AA)
cv2.imshow('win',img_back)
cv2.waitKey(0)
cv2.destroyAllWindows()
print(ans)
完整代码如下
import cv2
import numpy as np
import torch
from torchvision import models
from torchvision.models import ResNet18_Weights
import onnxruntime as ort
from translate import Translator
translator=Translator(to_lang='Chinese')#翻译成中文
dict={}
with open('类别.txt','r',encoding='utf-8') as f:
lines=f.readlines()
for line in lines:
name=line.split('\t')[0]
value=line.split('\t')[1]
dict[name]=value
# print(dict)
def resnet():
model=models.resnet18(weights=ResNet18_Weights.IMAGENET1K_V1)
model.eval()
x=torch.randn(1,3,224,224)
torch.onnx.export(model,x,'models/resnet18.onnx',input_names=['input'],output_names=['output'])
def pre_process(img_path):
#h w c--->224,224,3
#归一化
#换轴
#增加维度
img=cv2.imread(img_path)
scale_image=cv2.resize(img,dsize=(224,224))
rgb_img=cv2.cvtColor(scale_image,cv2.COLOR_BGR2RGB)
rgb_img=rgb_img/255
rgb_img=np.transpose(rgb_img,(2,0,1))
rgb_img=np.expand_dims(rgb_img,0).astype(np.float32)
return rgb_img
#RGB
def loadOnnx(img_path):
session=ort.InferenceSession(r'models\resnet18.onnx',providers=['CPUExecutionProvider'])
img=pre_process(img_path)
img_back=cv2.imread(img_path)
intput_feed={'input':img}
session_out=session.run(None,intput_feed)[0]
out=np.argmax(session_out,axis=1)[0]
res=str(out)
# print(dict[res])
ans=dict[res].split(',')[1].split(']')[0].strip()
ans = translator.translate(ans)
cv2.putText(img_back,ans,(100,100),fontFace=1,fontScale=2.0,color=(0,0,255),thickness=3,lineType=cv2.LINE_AA)
cv2.imshow('win',img_back)
cv2.waitKey(0)
cv2.destroyAllWindows()
print(ans)
pass
if __name__ == '__main__':
img_path='dog.png'
# resnet()#导出模型
loadOnnx(img_path)
三、代码执行流程
在 if __name__ == '__main__': 部分:
定义输入图像路径 img_path。
可以选择调用 resnet() 函数导出模型(注释状态,通常只在第一次运行或模型更新时使用)。
调用 loadOnnx(img_path) 函数对输入图像进行分类和显示结果。