轻松学Pytorch –使用torchvision实现对象检测

最新推荐文章于 2024-03-14 15:25:06 发布

小白学视觉

最新推荐文章于 2024-03-14 15:25:06 发布

阅读量545

点赞数 1

文章标签：人工智能 opencv 深度学习 python 计算机视觉

原文链接：https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247584353&idx=5&sn=bc525c755d6b690116fe32264c90cda8&chksm=fb54688dcc23e19b6fad9e3efca376ebde1151ee2b526b7f7d9719232c38a6ae8717a4eefe02&scene=126&&sessionid=0

版权

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

大家好，前面一篇文章介绍了torchvision的模型ResNet50实现图像分类，这里再给大家介绍一下如何使用torchvision自带的对象检测模型Faster-RCNN实现对象检测。Torchvision自带的对象检测模型是基于COCO数据集训练的，最小分辨率支持800，最大支持1333的输入图像。

Faster-RCNN模型

Faster-RCNN模型的基础网络是ResNet50， ROI生成使用了RPN，加上头部组成。图示如下：

在torchvision框架下可以通过下面的代码直接下载预训练模型，

model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)
model.eval()

对模型使用GPU加速支持

# 使用GPU

train_on_gpu = torch.cuda.is_available()
if train_on_gpu:
     model.cuda()

推理输出有三个信息分别为：

boxes：表示对象框
scores：表示每个对象得分
labels：表示对于的分类标签

图像检测

使用模型实现图像检测，支持90个类别的对象检测，代码实现如下：

def faster_rcnn_image_detection():
    image = cv.imread("D:/images/cars.jpg")
    blob = transform(image)
    c, h, w = blob.shape
    input_x = blob.view(1, c, h, w)
    output = model(input_x.cuda())[0]
    boxes = output['boxes'].cpu().detach().numpy()
    scores = output['scores'].cpu().detach().numpy()
    labels = output['labels'].cpu().detach().numpy()
    index = 0
    for x1, y1, x2, y2 in boxes:
        if scores[index] > 0.5:
            print(x1, y1, x2, y2)
            cv.rectangle(image, (np.int32(x1), np.int32(y1)),
                         (np.int32(x2), np.int32(y2)), (0, 255, 255), 1, 8, 0)
            label_id = labels[index]
            label_txt = coco_names[str(label_id)]
            cv.putText(image, label_txt, (np.int32(x1), np.int32(y1)), cv.FONT_HERSHEY_PLAIN, 1.0, (0, 0, 255), 1)
        index += 1
    cv.imshow("Faster-RCNN Detection Demo", image)
    cv.waitKey(0)
    cv.destroyAllWindows()

运行结果下：

视频实时对象检测

基于OpenCV实现视频文件或者摄像头读取，完成视频的实时对象检测，代码实现如下：

1capture = cv.VideoCapture("D:/images/video/vehicle.ts")
 2while True:
 3    ret, frame = capture.read()
 4    if ret is not True:
 5        break
 6    blob = transform(frame)
 7    c, h, w = blob.shape
 8    input_x = blob.view(1, c, h, w)
 9    output = model(input_x.cuda())[0]
10    boxes = output['boxes'].cpu().detach().numpy()
11    scores = output['scores'].cpu().detach().numpy()
12    labels = output['labels'].cpu().detach().numpy()
13    index = 0
14    for x1, y1, x2, y2 in boxes:
15        if scores[index] > 0.5:
16            cv.rectangle(frame, (np.int32(x1), np.int32(y1)),
17                         (np.int32(x2), np.int32(y2)), (0, 255, 255), 1, 8, 0)
18            label_id = labels[index]
19            label_txt = coco_names[str(label_id)]
20            cv.putText(frame, label_txt, (np.int32(x1), np.int32(y1)), cv.FONT_HERSHEY_PLAIN, 1.0, (0, 0, 255), 1)
21        index += 1
22    wk = cv.waitKey(1)
23    if wk == 27:
24        break
25    cv.imshow("video detection Demo", frame)

运行结果如下：

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~