0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

教你用10行代碼搞定圖像中目標(biāo)檢測

新機器視覺 ? 來源:Python專欄 ? 作者:Moses Olafenwa ? 2021-03-12 11:17 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

目標(biāo)檢測是指計算機和軟件系統(tǒng)對圖像或場景中的目標(biāo)進(jìn)行定位和識別的任務(wù)。目標(biāo)檢測已廣泛應(yīng)用于人臉檢測、車輛檢測、人流量統(tǒng)計、網(wǎng)絡(luò)圖像、安防系統(tǒng)和無人駕駛等多個領(lǐng)域。

早期目標(biāo)檢測的實現(xiàn)基于經(jīng)典算法,比如流行的計算機視覺庫OpenCV中支持的算法。然而,這些經(jīng)典算法在不同的條件下無法獲得穩(wěn)定的性能。

2012年深度學(xué)習(xí)的突破性進(jìn)展和迅速普及,使得R-CNN、Fast-RCNN、Faster-RCNN、RetinaNet以及快速、高度準(zhǔn)確的SSD、YOLO等目標(biāo)檢測算法應(yīng)運而生。這些基于深度學(xué)習(xí)、機器學(xué)習(xí)的算法,需要一定的數(shù)學(xué)以及深度學(xué)習(xí)框架基礎(chǔ)。有數(shù)百萬的專業(yè)計算機程序員和軟件開發(fā)人員想要集成和創(chuàng)建基于目標(biāo)檢測算法的新產(chǎn)品。同時由于理解和實際使用較為復(fù)雜,一直無法實現(xiàn)。如何開發(fā)出高效的目標(biāo)檢測代碼呢?

ImageAI就應(yīng)運而生了。

01 ImageAI讓代碼變得簡潔 ImageAI是一個python庫,只需要幾行代碼,就可以讓程序員和軟件開發(fā)人員輕松地將最先進(jìn)的計算機視覺技術(shù)集成到他們現(xiàn)有的或新的應(yīng)用中,ImageAI已經(jīng)在Github上開源。 Github地址:

https://github.com/OlafenwaMoses/ImageAI

ImageAI目前支持使用在ImageNet-1000數(shù)據(jù)集上訓(xùn)練的4種不同機器學(xué)習(xí)算法進(jìn)行圖像預(yù)測和訓(xùn)練。 ImageAI還支持使用在COCO數(shù)據(jù)集上訓(xùn)練的RetinaNet,YOLOv3和TinyYOLOv3進(jìn)行對象檢測,視頻檢測和對象跟蹤。最后,ImageAI允許訓(xùn)練自定義模型,以執(zhí)行新目標(biāo)的檢測和識別。 ImageAI庫有依賴其他Python庫,所以在使用ImageAI開發(fā)之前還需要導(dǎo)入其他的包。

02 準(zhǔn)備工作 使用ImageAI實現(xiàn)目標(biāo)檢測,只需進(jìn)行以下4步:

在你的電腦上安裝Python

安裝ImageAI,配置依賴環(huán)境

下載目標(biāo)檢測模塊文件

運行樣例代碼(只需10行)

下面一步步詳細(xì)展開:

(1)從Python官網(wǎng)下載并安裝Python3 鏈接地址: https://python.org

(2)用pip命令安裝以下依賴包:

pipinstalltensorflowpipinstallnumpypipinstallscipypipinstallopencv-pythonpipinstallpillowpipinstallmatplotlibpipinstallh5pypipinstallkeraspip3 install imageai --upgrade 注意:第一次安裝ImageAI庫,需要下載對應(yīng)版本的.whl文件,Python3的環(huán)境需要下載imageai-2.0.2-py3-none-any.whl 文件,然后轉(zhuǎn)移到相應(yīng)的文件夾下,執(zhí)行如下命令即可安裝:

pip install imageai-2.0.2-py3-none-any.whl .whl文件鏈接地址:https://github.com/OlafenwaMoses/ImageAI/releases/download/2.0.2/imageai-2.0.2-py3-none-any.whl

(3)下載用于目標(biāo)檢測的RetinaNet模型文件 鏈接地址:https://github.com/OlafenwaMoses/ImageAI/releases/download/1.0/resnet50_coco_best_v2.0.1.h5

03 開啟10行代碼的目標(biāo)檢測 到這里你已經(jīng)安裝好了所有的依賴項,可以開始編寫你的第一個目標(biāo)檢測的代碼了。 創(chuàng)建一個Python文件并命名(如FirstDetection.py),然后將下面的代碼寫入該文件。將RetinaNet模型文件和要檢測的圖像復(fù)制到包含Python文件的文件夾中。 FirstDetection.py:

from imageai.Detection import ObjectDetection import os execution_path = os.getcwd() detector=ObjectDetection() detector.setModelTypeAsRetinaNet() detector.setModelPath( os.path.join(execution_path ,"resnet50_coco_best_v2.0.1.h5")) detector.loadModel() detections = detector.detectObjectsFromImage(input_image=os.path.join(execution_path ,"image.jpg"), output_image_path=os.path.join(execution_path ,"imagenew.jpg")) foreachObject in detections: print(eachObject["name"] ," : ", eachObject["percentage_probability"] )

然后運行代碼,等待結(jié)果輸出。結(jié)果顯示后,就可以在FirstDetection.py所在的文件夾下找到保存下來的新圖像。

在Spyder編譯器中運行結(jié)果如下所示:


輸出的目標(biāo)檢測精度結(jié)果: person : 57.20391869544983 person : 52.57977843284607 person : 70.81094980239868 person : 76.99859142303467 person : 79.40077781677246 bicycle : 81.0384213924408 person : 83.66722464561462 person : 89.41188454627991 truck : 60.61040759086609 person : 69.65749859809875 bus : 97.92424440383911 truck : 83.94358158111572 car : 72.50492572784424 在Spyder編譯器中運行結(jié)果如下所示:

輸出的目標(biāo)檢測精度結(jié)果: person : 62.45866417884827 person : 58.67737531661987 person : 69.44932341575623 person : 71.84218168258667 person : 59.53381657600403 person : 54.65759038925171 motorcycle : 65.84504842758179 bus : 99.40318465232849 car : 72.41445779800415 person : 58.32530856132507 person : 54.449981451034546 person : 80.11815547943115 person : 74.30745959281921 person : 77.78302431106567 person : 71.15439772605896 bicycle : 69.92427110671997 person : 66.17957353591919 bicycle : 90.50283432006836 motorcycle : 94.09030675888062

04 代碼解讀

下面來解釋一下這10行代碼的工作原理

fromimageai.Detection importObjectDetectionimport osexecution_path = os.getcwd() 在以上3行代碼中,在第一行導(dǎo)入了ImageAI的目標(biāo)檢測類;在第二行導(dǎo)入了Python的os類;在第三行中定義了一個變量,保存Python文件、RetinaNet模型文件以及圖像所在文件夾的路徑。 detector=ObjectDetection() detector.setModelTypeAsRetinaNet() detector.setModelPath( os.path.join(execution_path ,"resnet50_coco_best_v2.0.1.h5")) detector.loadModel() detections = detector.detectObjectsFromImage(input_image=os.path.join(execution_path ,"image.jpg"), output_image_path=os.path.join(execution_path ,"imagenew.jpg")) 在以上5行代碼中,我們在第一行中定義了一個目標(biāo)檢測類的實例;在第二行中將實例的模型類型設(shè)定為RetinaNet;在第三行中將模型路徑設(shè)置為RetinaNet模型的路徑;在第四行中將模型加載到目標(biāo)檢測類的實例中;在第五行中調(diào)用檢測函數(shù),并將文件輸入輸出路徑作為參數(shù)傳入。 foreachObject in detections: print(eachObject["name"] ," : ", eachObject["percentage_probability"] )

在以上兩行代碼中,第一行用來對detector.detectObjectsFromImage函數(shù)返回的所有結(jié)果進(jìn)行迭代,第二行用來輸出圖片中檢測到的每個目標(biāo)的名字及其概率。 05 自定義目標(biāo)檢測

除此外,ImageAI也支持強大的自定義目標(biāo)檢測。其中之一是能夠提取圖像中檢測到的每個物體。只需要將參數(shù)

extract_detected_objects=True 傳入 detectObjectsFromImage 函數(shù)中,如下所示,目標(biāo)檢測類將為圖像對象創(chuàng)建一個文件夾,提取每個圖像,將每個子圖像保存到創(chuàng)建的新文件夾中,并返回一個包含每個圖像路徑的數(shù)組。 detections, extracted_images = detector.detectObjectsFromImage(input_image=os.path.join(execution_path ,"image.jpg"), output_image_path=os.path.join(execution_path ,"imagenew.jpg"), extract_detected_objects=True) 將其應(yīng)用到第一張圖片上,得到如下結(jié)果: 所有行人都被很好地提取了出來,為了節(jié)約空間這里只顯示了一部分。 06 ImageAI的其他功能

ImageAI提供了許多功能,可用于目標(biāo)檢測任務(wù)的自定義和部署。其支持的功能包括:

調(diào)整最小概率:默認(rèn)情況下,概率小于50%的物體不會顯示。對于需要高精度的情況,可以增加此值;對于需要檢測所有可能對象的情況,可以減少此值。

自定義目標(biāo)檢測:通過提供的CustomObject類,可以使檢測類檢測一個或幾個特定目標(biāo)。

檢測速度:通過將檢測速度設(shè)置為“fast”、“faster”或“fastest”,可以減少檢測圖像所需的時間。

輸入類型:可指定并解析圖像的文件路徑,以Numpy數(shù)組或圖像文件流作為輸入

輸出類型:可指定detectObjectsFromImage函數(shù)以文件或Numpy數(shù)組的形式返回圖像

編輯:jq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • AI
    AI
    +關(guān)注

    關(guān)注

    88

    文章

    34765

    瀏覽量

    276944
  • Image
    +關(guān)注

    關(guān)注

    0

    文章

    33

    瀏覽量

    12157

原文標(biāo)題:用這個Python庫,10行代碼搞定圖像中目標(biāo)檢測

文章出處:【微信號:vision263com,微信公眾號:新機器視覺】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    YOLOv8水果檢測示例代碼換成640輸入圖像出現(xiàn)目標(biāo)框繪制錯誤的原因 ?

    \",的best.kmodel替換為640輸入圖像,model_input_size=[640,640],就會出現(xiàn)目標(biāo)檢測目標(biāo)框位置混亂
    發(fā)表于 06-18 06:37

    基于LockAI視覺識別模塊:C++目標(biāo)檢測

    檢測是計算機視覺領(lǐng)域中的一個關(guān)鍵任務(wù),它不僅需要識別圖像存在哪些對象,還需要定位這些對象的位置。具體來說,目標(biāo)檢測算法會輸出每個
    發(fā)表于 06-06 14:43

    手把手教你用RadiMation進(jìn)行MIMO功率測量,輕松搞定射頻測試!

    MIMO設(shè)備功率測量太復(fù)雜?TS-RadiMation幫你一鍵搞定!本文詳細(xì)解析MIMO功率測量全流程,從配置到數(shù)據(jù)分析,助你快速掌握關(guān)鍵測試技巧,提升測試效率!
    的頭像 發(fā)表于 05-26 17:42 ?155次閱讀
    手把手<b class='flag-5'>教你用</b>RadiMation進(jìn)行MIMO功率測量,輕松<b class='flag-5'>搞定</b>射頻測試!

    請求贈閱《零基礎(chǔ)開發(fā)AI Agent——手把手教你用扣子做智能體》

    博主好!致敬葉濤 管鍇 張心雨三位AI具身智能-智能體方面的專家、導(dǎo)師! 《零基礎(chǔ)開發(fā)AI Agent——手把手教你用扣子做智能體》一不懂編程的多數(shù)大眾也可以開發(fā)Agent,這意義深遠(yuǎn),功德無量
    發(fā)表于 04-10 12:16

    《零基礎(chǔ)開發(fā)AI Agent——手把手教你用扣子做智能體》

    《零基礎(chǔ)開發(fā)AI Agent——手把手教你用扣子做智能體》是一本為普通人量身打造的AI開發(fā)指南。它不僅深入淺出地講解了Agent的概念和發(fā)展,還通過詳細(xì)的工具介紹和實戰(zhàn)案例,幫助讀者快速掌握
    發(fā)表于 03-18 12:03

    Air780E模組LuatOS開發(fā)實戰(zhàn) —— 手把手教你搞定數(shù)據(jù)打包解包

    本文要說的是低功耗4G模組Air780E的LuatOS開發(fā)實戰(zhàn),我將手把手教你搞定數(shù)據(jù)打包解包。
    的頭像 發(fā)表于 12-03 11:17 ?596次閱讀
    Air780E模組LuatOS開發(fā)實戰(zhàn) —— 手把手<b class='flag-5'>教你</b><b class='flag-5'>搞定</b>數(shù)據(jù)打包解包

    圖像分割與目標(biāo)檢測的區(qū)別是什么

    的區(qū)別。 定義 圖像分割是將圖像劃分為若干個區(qū)域或?qū)ο蟮倪^程,這些區(qū)域或?qū)ο缶哂邢嗨频膶傩?,如顏色、紋理或形狀。圖像分割的目的是將圖像的不
    的頭像 發(fā)表于 07-17 09:53 ?2305次閱讀

    目標(biāo)檢測圖像識別的區(qū)別在哪

    檢測(Object Detection)是指在圖像或視頻識別并定位感興趣的目標(biāo),通常包括目標(biāo)的類別和位置。
    的頭像 發(fā)表于 07-17 09:51 ?1734次閱讀

    目標(biāo)檢測與識別技術(shù)有哪些

    視頻識別并定位感興趣的目標(biāo),通常包括目標(biāo)的類別和位置信息。目標(biāo)識別(Object Recognition)是指對檢測到的
    的頭像 發(fā)表于 07-17 09:40 ?1288次閱讀

    目標(biāo)檢測與識別技術(shù)的關(guān)系是什么

    任務(wù)是在圖像或視頻快速準(zhǔn)確地定位出感興趣的目標(biāo),并給出目標(biāo)的位置信息。目標(biāo)檢測技術(shù)通常包括候選
    的頭像 發(fā)表于 07-17 09:38 ?1215次閱讀

    目標(biāo)檢測識別主要應(yīng)用于哪些方面

    目標(biāo)檢測識別是計算機視覺領(lǐng)域的一個重要研究方向,它主要關(guān)注于從圖像或視頻識別和定位目標(biāo)物體。隨著計算機視覺技術(shù)的不斷發(fā)展,
    的頭像 發(fā)表于 07-17 09:34 ?1842次閱讀

    圖像檢測圖像識別的原理、方法及應(yīng)用場景

    圖像檢測圖像識別是計算機視覺領(lǐng)域的兩個重要概念,它們在許多應(yīng)用場景中發(fā)揮著關(guān)鍵作用。 1. 定義 1.1 圖像檢測
    的頭像 發(fā)表于 07-16 11:19 ?6809次閱讀

    基于深度學(xué)習(xí)的小目標(biāo)檢測

    在計算機視覺領(lǐng)域,目標(biāo)檢測一直是研究的熱點和難點之一。特別是在小目標(biāo)檢測方面,由于小目標(biāo)圖像
    的頭像 發(fā)表于 07-04 17:25 ?1974次閱讀

    圖像檢測與識別技術(shù)的關(guān)系

    檢測技術(shù)是指利用計算機視覺技術(shù),對圖像的特定目標(biāo)進(jìn)行定位和識別的過程。它通常包括圖像預(yù)處理、特征提取、
    的頭像 發(fā)表于 07-03 14:43 ?1071次閱讀

    圖像檢測圖像識別的區(qū)別是什么

    詳細(xì)的比較和分析。 定義和概念 圖像檢測(Image Detection)是指利用計算機視覺技術(shù)對圖像的特定目標(biāo)進(jìn)行定位和識別的過程。它通
    的頭像 發(fā)表于 07-03 14:41 ?1995次閱讀

    電子發(fā)燒友

    中國電子工程師最喜歡的網(wǎng)站

    • 2931785位工程師會員交流學(xué)習(xí)
    • 獲取您個性化的科技前沿技術(shù)信息
    • 參加活動獲取豐厚的禮品