如何利用Tensorflow和OpenCV构建实时对象识别程序？

小白学视觉

于 2021-02-10 10:05:00 发布

阅读量977

点赞数

文章标签： python 人工智能编程语言计算机视觉深度学习

本文链接：https://blog.csdn.net/qq_42722197/article/details/113787776

版权

本文介绍如何利用Tensorflow对象检测API和OpenCV创建实时对象识别应用。Google发布的Tensorflow API包含预训练模型，适合在移动设备上运行。通过下载模型，定义变量，加载模型到内存，使用OpenCV与网络摄像头连接，实现高效的对象检测。文中还解决了OpenCV I/O限制和模型加载效率问题，以提高程序性能。

摘要由CSDN通过智能技术生成

点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达

引言

在本文中，将逐步介绍如何使用Tensorflow（TF）的新对象检测API和Python 3中OpenCV如何轻松构建自己的实时对象识别应用程序。

下面是正在运行的应用程序：

目的与动机

Google发布了新的TensorFlow对象检测API。第一版包含：

预先训练的模型（尤其是重点放在轻量模型上，以便它们可以在移动设备上运行）
Jupyter笔记本示例，其中包含一个已发布的型号
非常方便的脚本，可用于例如在您自己的数据集上对模型进行重新训练。

我们希望能充分理解这个新东西，并且花费一些时间来建立一个简单的实时对象识别演示。

目标检测演示

首先，我们下载了TensorFlow模型库，然后查看了他们发布的注释。它基本上遍历了使用预训练模型的所有步骤。在他们的示例中，他们使用了“带有Mobilenet的SSD”模型，但是我们也可以在他们称为“ Tensorflow检测模型”的情况下下载其他一些经过预先训练的模型。这些模型是在COCO数据集上训练的，并随模型速度（