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~