使用gluoncv.model_zoo进行目标检测

使用gluoncv.model_zoo进行目标检测

​ 本文章使用gluoncv.model_zoo中已经训练好的模型进行目标检测,这里使用的是YOLO3 darknet训练voc数据集的模型。

加载模型

这里讲加载模型到本地,模型默认下载到当前用户下的文件夹.mxnet\models\

from gluoncv import model_zoo,data,utils
from matplotlib import pyplot as plt
#加载模型
net = model_zoo.get_model("yolo3_darknet53_voc",pretrained=True)
下载图片

这里使用网上下载的图片,将文件下载到当前目录下。本人建议直接自己百度随便拿将图,别用下面的代码下载。

#下载图片(不建议,因为经常下载失败,无法连接到服务器)
#img_url = "https://raw.githubusercontent.com/zhreshold/mxnet-ssd/master/data/demo/dog.jpg"
#img_fname = utils.download(url=img_url,path="dog.jpg")


#图片的预处理(修正图片边长)
#这里的img_fname是同目录下的img的名字
x,img = data.transforms.presets.yolo.load_test(img_fname,short=512)
测试
#获取模型的预测结果
class_ids,class_scores,bounding_boxes = net(x)
#绘制预测结果并展示
ax = utils.viz.plot_bbox(img,bounding_boxes[0],class_scores[0],
class_ids[0],class_names=net.classes)
plt.show()
结果如下:

单个检测
在这里插入图片描述

多个对象检测

在这里插入图片描述

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值