PaddleClas助力口红检测&识别
暑假收集了口红53分类的数据集,但是由于数据量不大,效果不好……
听说PaddleClas套件有一个神奇的工具可以实现检测和识别
这就去看看,尝试一下,然后暴力解析——『抽丝剥茧』
参考文献:图像识别快速开始
项目地址:https://aistudio.baidu.com/aistudio/projectdetail/2363428
数据说明
数据来源自网络,收集人为三岁,目录结构为
rouge----------------
|----口红牌子
| |-----种类+类别
|-----Gucci
| |----hh05
| |----hw03
…………………………
查看Paddle版本
import paddle
print(paddle.__version__)
2.1.2
安装PaddleClas
# !git clone https://github.com/PaddlePaddle/PaddleClas.git
# !git clone https://gitee.com/PaddlePaddle/PaddleClas.git
# %cd ./PaddleClas/
# !pip install --upgrade pip
# !pip3 install --upgrade -r requirements.txt -i https://mirror.baidu.com/pypi/simple
# %cd ./deploy
/home/aistudio/PaddleClas
/home/aistudio/PaddleClas/deploy
下载通用场景检测模型和识别模型
下载的位置为:PaddleClas/deploy
# !mkdir models
# %cd ./models
# !wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/ppyolov2_r50vd_dcn_mainbody_v1.0_infer.tar && tar -xf ppyolov2_r50vd_dcn_mainbody_v1.0_infer.tar
# !wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/product_ResNet50_vd_aliproduct_v1.0_infer.tar && tar -xf product_ResNet50_vd_aliproduct_v1.0_infer.tar
# %cd ../
# !wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/data/recognition_demo_data_v1.0.tar && tar -xf recognition_demo_data_v1.0.tar
解压文件
将文件解压至PaddleClas/deploy/recognition_demo_data_v1.0/gallery_product
!unzip -d ./recognition_demo_data_v1.0/gallery_product /home/aistudio/data/data103228/rouge.zip
测试Gucci口红是否存在
对原始数据进行测试,查看对没有数据的展示效果。
这里修改了配置文件PaddleClas/deploy/configs/inference_product.yaml
中用于测试的图片路径
下面的!python python/predict_system.py -c configs/inference_product.yaml
默认为GPU模式
若是CPU需要添加-o Global.use_gpu=False
或者修改配置文件中的use_gpu
改成False
!python python/predict_system.py -c configs/inference_product.yaml
最后的结果为空
口红识别训练
数据处理
路径 \t 标签 \n
的顺序
例如:
gallery/anmuxi/001.jpg 安慕希酸奶
gallery/anmuxi/002.jpg 安慕希酸奶
gallery/anmuxi/003.jpg 安慕希酸奶
gallery/anmuxi/004.jpg 安慕希酸奶
gallery/anmuxi/005.jpg 安慕希酸奶
gallery/anmuxi/006.jpg 安慕希酸奶
每一行的文本中,第一个字段表示图像的相对路径,第二个字段表示图像对应的标签信息,中间用tab键分隔开
import os
# import
data_path = './recognition_demo_data_v1.0/gallery_product/rouge/' # 设置初始文件地址
c