Python 10行代码完成AI图像目标检测

最新推荐文章于 2023-03-12 11:37:53 发布

StephenLiuLiu

最新推荐文章于 2023-03-12 11:37:53 发布

阅读量1.3k

点赞数 1

文章标签： imageAI 目标检测图像预测

本文链接：https://blog.csdn.net/u010111852/article/details/99752233

版权

首先，我们用到的是imageai这个第三方库，然后下载yolo.h5（提取码：0ewg）预训练权重

我们先来看一个最简单的实现方式，10行代码实现图像的目标检测

from imageai.Detection import ObjectDetection
import os

execution_path = os.getcwd()
detector = ObjectDetection()
// 下面是设置你所要使用的模型，RetinaNet我没有用过，不知效果如何，TinyYOLOv3的效果没有
// YOLOv3的效果好
// detector.setModelTypeAsRetinaNet()
// detector.setModelTypeAsTinyYOLOv3()
detector.setModelTypeAsYOLOv3()
// 载入已训练好的文件
detector.setModelPath(os.path.join(execution_path, "yolo.h5"))
// loadModel可以带有一个速度参数，默认是detection_speed="normal"，此外还可以是fast/faster/fastest/flash
detector.loadModel()
// 将检测后的结果保存为新图片,000328.jpg是原图，000328new.jpg是带有检测结果的新图
detections = detector.detectObjectsFromImage(input_image=os.path.join(execution_path, "000328.jpg"), output_image_path=os.path.join(execution_path, "000328new.jpg"))

来看一下检测结果吧
在这里插入图片描述
是不是很棒！这样就完成在图片中检测目标物体，它默认是检测生活中常见的80种事物。
上面是从图片中检测目标，所以它用的模型都是目标检测模型，下面来看一下利用imageAI来进行图片的预测，其实我觉得这个要比目标检测低级一点了，因为目标检测是从图片中检测出目标物体，无论有多少都把它圈出来，而图片的预测，只是图片中包含的主要物体，图像不能太乱太复杂，主体要突出，下面来看一下代码吧

from imageai.Prediction import ImagePrediction
import os
import time

// 计时
start = time.time()
// 当前路径 包含需要预测的图片，模型文件
execution_path = os.getcwd()
// 创建预测类
prediction = ImagePrediction()

// 设置预测模型 有以下四种
// SqueezeNet
// prediction.setModelTypeAsSqueezeNet()
// DenseNet121
// prediction.setModelTypeAsDenseNet()
// InceptionV3
// prediction.setModelTypeAsInceptionV3()
// ResNet50
prediction.setModelTypeAsResNet()
prediction.setModelPath(os.path.join(execution_path, "resnet50_weights_tf_dim_ordering_tf_kernels.h5"))

prediction.loadModel()
// 预测图片，以及结果预测输出数目
predictions, probabilities = prediction.predictImage(os.path.join(execution_path, "image3.jpg"), result_count=5)
// 结束计时
end = time.time()
// 输出结果
for eachPrediction, eachProbability in zip(predictions, probabilities):
	print(eachPrediction, " : ", eachProbability)
print("\ncost time:", end - start)

我们来看下效果吧
在这里插入图片描述

convertible  :  52.459555864334106
sports_car  :  37.61284649372101
pickup  :  3.1751200556755066
car_wheel  :  1.817505806684494
minivan  :  1.7487050965428352

cost time: 9.263643980026245