基于Python實(shí)現(xiàn)一個(gè)AI物體識(shí)別
一. 前言
近期在研究 AI 方面的應(yīng)用 ，計(jì)算機(jī)視覺(jué)是其中的一大領(lǐng)域 ，應(yīng)用場(chǎng)景也比較多。
這一篇主要嘗試弄清楚 : 一個(gè) AI 視覺(jué)識(shí)別的 功能點(diǎn) ，涉及到哪些知識(shí) ？
二. 處理流程
2.1 前置知識(shí)點(diǎn)
在實(shí)現(xiàn)這個(gè)功能之前 ，先要明白幾個(gè)前置知識(shí)點(diǎn) ：
Python 層面需要的工具 ：
| 組件工具 | 功能描述 | 作用 |
|---|---|---|
| opencv-python | 一個(gè)開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)，提供圖像和視頻處理功能。 | 用于加載、處理和顯示圖像，進(jìn)行圖像預(yù)處理，如縮放、裁剪和繪制。 |
| tensorflow | 一個(gè)開(kāi)源機(jī)器學(xué)習(xí)框架，支持深度學(xué)習(xí)模型的構(gòu)建和訓(xùn)練。 | 用于構(gòu)建和訓(xùn)練物體識(shí)別模型，提供高層次的 API 和模型管理功能。 |
| torch | 一個(gè)開(kāi)源深度學(xué)習(xí)框架，以動(dòng)態(tài)計(jì)算圖著稱，適合研究和生產(chǎn)。 | 提供強(qiáng)大的張量計(jì)算功能，支持深度學(xué)習(xí)模型的訓(xùn)練和推理。 |
| torchvision | PyTorch 的視覺(jué)工具包，提供常用的數(shù)據(jù)集、模型和圖像變換。 | 用于加載標(biāo)準(zhǔn)數(shù)據(jù)集（如 COCO），并提供預(yù)訓(xùn)練模型和圖像預(yù)處理工具。 |
- OpenCV 在前幾篇就有介紹 ，它作為計(jì)算機(jī)視覺(jué)庫(kù) ，提供了很多圖形處理的功能。
- 下面3個(gè)主要是 AI 領(lǐng)域的組件 ，用于使用 AI 的各項(xiàng)能力
模型和模型的選擇
我們?cè)谧R(shí)別物體的過(guò)程中 ，圖片中的物體到底是什么，這是需要一個(gè) 知識(shí)庫(kù) 來(lái)幫助給出答案的。 而模型就是那個(gè)知識(shí)庫(kù)。
模型 是指一個(gè)數(shù)學(xué)表示或計(jì)算框架，旨在從輸入數(shù)據(jù)中學(xué)習(xí)模式和規(guī)律，并進(jìn)行預(yù)測(cè)或分類
一個(gè)模型的生成包括 ： 數(shù)據(jù)收集 ， 數(shù)據(jù)預(yù)處理 ，數(shù)據(jù)建模 ，模型訓(xùn)練 ，模型評(píng)估 ，模型測(cè)試 及 最終使用
關(guān)于模型的生成 ，不在本篇的討論中 ，展示也不會(huì)這一塊。 這一篇主要專注于使用。
常用的物體識(shí)別模型 ：
| 模型 | 作用說(shuō)明 | 適合的場(chǎng)景 |
|---|---|---|
| YOLO | 實(shí)時(shí)物體檢測(cè)模型，通過(guò)全卷積網(wǎng)絡(luò)實(shí)現(xiàn)快速檢測(cè)，適合大規(guī)模應(yīng)用。 | 監(jiān)控、自動(dòng)駕駛、機(jī)器人視覺(jué) |
| SSD | 單次檢測(cè)器，結(jié)合不同尺度的特征圖進(jìn)行物體檢測(cè)，速度快且準(zhǔn)確。 | 移動(dòng)設(shè)備、實(shí)時(shí)視頻分析 |
| Faster R-CNN | 采用區(qū)域提議網(wǎng)絡(luò)（RPN）和深度卷積網(wǎng)絡(luò)，實(shí)現(xiàn)高精度的物體檢測(cè)。 | 需要高精度的任務(wù)，如醫(yī)學(xué)影像分析 |
| Mask R-CNN | 在 Faster R-CNN 基礎(chǔ)上增加實(shí)例分割功能，能同時(shí)進(jìn)行物體檢測(cè)和分割。 | 圖像編輯、自動(dòng)標(biāo)注 |
| RetinaNet | 使用焦點(diǎn)損失（Focal Loss）處理類別不平衡問(wèn)題，適合小物體檢測(cè)。 | 復(fù)雜背景中的物體檢測(cè) |
| EfficientDet | 結(jié)合高效模型架構(gòu)與多尺度特征融合，資源有限的環(huán)境下表現(xiàn)出色。 | 嵌入式系統(tǒng)、移動(dòng)設(shè)備 |
| CenterNet | 基于中心點(diǎn)檢測(cè)的框架，簡(jiǎn)單高效，適合實(shí)時(shí)檢測(cè)。 | 需要實(shí)時(shí)性的物體檢測(cè)應(yīng)用 |
而本片主要使用的是 YOLO。
模型的使用
模型的使用有兩種方式 ：
- 一種是基于模型 + torch 的使用方式 ， 也是最常規(guī)的用法
- 一種是基于封裝的工具 ，實(shí)現(xiàn)快速的調(diào)用
2.2 模型的使用方式一
S1 : 下載 YoLo 模型
官方地址 ：yolov5
pip install ultralytics
S2 : 編寫使用模型邏輯
from ultralytics import YOLO
import cv2
import matplotlib.pyplot as plt
# 加載 YOLOv5 或 YOLOv8 模型
model = YOLO('yolov5s.pt') # 或使用 'yolov8.pt'
# 讀取圖像
image_path = 'C:\\Users\\Desktop\\test666.JPG'
image = cv2.imread(image_path)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 轉(zhuǎn)換為 RGB 格式
# 進(jìn)行物體識(shí)別
results = model.predict(source=image)
# 可視化結(jié)果
# 使用 cv2 繪制邊界框
for result in results:
boxes = result.boxes.xyxy # 獲取邊界框信息
scores = result.boxes.conf # 獲取置信度
classes = result.boxes.cls # 獲取類別索引
for i in range(len(boxes)):
box = boxes[i]
score = scores[i]
cls = classes[i]
x1, y1, x2, y2 = box.numpy() # 轉(zhuǎn)換為 numpy 數(shù)組
label = f"{model.names[int(cls)]} {score:.2f}"
# 繪制邊界框
cv2.rectangle(image, (int(x1), int(y1)), (int(x2), int(y2)), (255, 0, 0), 2)
cv2.putText(image, label, (int(x1), int(y1) - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)
# 使用 matplotlib 顯示圖像
plt.imshow(image)
plt.axis('off') # 不顯示坐標(biāo)軸
plt.show()S3 : 測(cè)試
2.2 模型的使用方式二
第二種方式更簡(jiǎn)單 ，例如 Ultralytics 就提供了一整套組件可以開(kāi)箱即用。
S1 : Python 安裝 ultralytics
pip install ultralytics
S2 : 對(duì)物體進(jìn)行識(shí)別
from ultralytics import YOLO
import cv2
import matplotlib.pyplot as plt
# 加載 YOLOv5 或 YOLOv8 模型
model = YOLO('yolov5s.pt') # 或使用 'yolov8.pt'
# 讀取圖像
image_path = 'C:\\Users\\Desktop\\test666.JPG'
image = cv2.imread(image_path)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 轉(zhuǎn)換為 RGB 格式
# 進(jìn)行物體識(shí)別
results = model.predict(source=image)
# 可視化結(jié)果
# 使用 cv2 繪制邊界框
for result in results:
boxes = result.boxes.xyxy # 獲取邊界框信息
scores = result.boxes.conf # 獲取置信度
classes = result.boxes.cls # 獲取類別索引
for i in range(len(boxes)):
box = boxes[i]
score = scores[i]
cls = classes[i]
x1, y1, x2, y2 = box.numpy() # 轉(zhuǎn)換為 numpy 數(shù)組
label = f"{model.names[int(cls)]} {score:.2f}"
# 繪制邊界框
cv2.rectangle(image, (int(x1), int(y1)), (int(x2), int(y2)), (255, 0, 0), 2)
cv2.putText(image, label, (int(x1), int(y1) - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)
# 使用 matplotlib 顯示圖像
plt.imshow(image)
plt.axis('off') # 不顯示坐標(biāo)軸
plt.show()
執(zhí)行 模型的時(shí)候 ，會(huì)自動(dòng)從遠(yuǎn)程下載模型
Downloading https://github.com/ultralytics/assets/releases/download/v8.3.0/yolov5su.pt to 'yolov5su.pt'...
三. 擴(kuò)展和發(fā)展
一般沒(méi)有特殊的要求 ，大部分情況下 ，我們會(huì)選擇框架直接使用。下面主要來(lái)介紹一下 ultralytics 的 API
加載模型 ：
- YOLO(model): 用于加載 YOLO 模型，可以是本地路徑或在線模型名稱。
- predict(source): 對(duì)給定的圖像、視頻或文件夾進(jìn)行物體檢測(cè)。
結(jié)果處理 :
- results.print(): 打印檢測(cè)結(jié)果，包括類別和置信度。
- results.xyxy: 返回檢測(cè)到的邊界框，格式為 (x1, y1, x2, y2, confidence, class)。
- results.show(): 顯示帶有檢測(cè)框的圖像。
- results.save(save_dir): 將帶有檢測(cè)框的圖像保存到指定目錄。
其他的更復(fù)雜的 ：
針對(duì)初始模型 ，還可以通過(guò)數(shù)據(jù)集和訓(xùn)練來(lái)適配更復(fù)雜的場(chǎng)景 ：
- train(): 訓(xùn)練模型，支持自定義數(shù)據(jù)集。
- val(): 驗(yàn)證模型性能，通常在訓(xùn)練后進(jìn)行。
- Dataset(): 用于處理數(shù)據(jù)集，支持常見(jiàn)的數(shù)據(jù)格式。
- create_dataloader(): 創(chuàng)建數(shù)據(jù)加載器，方便批量處理數(shù)據(jù)。
總結(jié)一下
基本上使用起來(lái)賊簡(jiǎn)單 ，簡(jiǎn)單照著文檔操作一下就能實(shí)現(xiàn)。
但是 ： 生成級(jí)使用不會(huì)這么簡(jiǎn)單 ， 模型相當(dāng)于一個(gè)通用的數(shù)據(jù)集 ，它只能適配常見(jiàn)的需求。
以上就是基于Python實(shí)現(xiàn)一個(gè)AI物體識(shí)別的詳細(xì)內(nèi)容，更多關(guān)于Python AI物體識(shí)別的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Python+Kepler.gl實(shí)現(xiàn)時(shí)間輪播地圖過(guò)程解析
這篇文章主要介紹了Python+Kepler.gl實(shí)現(xiàn)時(shí)間輪播地圖過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-07-07
關(guān)于pygame自定義窗口創(chuàng)建及相關(guān)操作指南
對(duì)于開(kāi)發(fā)一個(gè)游戲來(lái)說(shuō),窗口的顯示肯定是前提中的前提,對(duì)于pygame來(lái)說(shuō),只需要一小段代碼就可以初始化窗口,下面這篇文章主要給大家介紹了關(guān)于pygame自定義窗口創(chuàng)建及相關(guān)操作的相關(guān)資料,需要的朋友可以參考下2022-07-07
Python實(shí)現(xiàn)小數(shù)轉(zhuǎn)化為百分?jǐn)?shù)的格式化輸出方法示例
這篇文章主要介紹了Python實(shí)現(xiàn)小數(shù)轉(zhuǎn)化為百分?jǐn)?shù)的格式化輸出方法,結(jié)合具體實(shí)例形式分析了Python實(shí)現(xiàn)小數(shù)轉(zhuǎn)換為百分?jǐn)?shù)輸出的相關(guān)操作技巧與注意事項(xiàng),需要的朋友可以參考下2017-09-09
下面小編就為大家?guī)?lái)一篇PyQt5利用QPainter繪制各種圖形的實(shí)例。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-10-10
python檢測(cè)遠(yuǎn)程udp端口是否打開(kāi)的方法
這篇文章主要介紹了python檢測(cè)遠(yuǎn)程udp端口是否打開(kāi)的方法,涉及Python操作socket實(shí)現(xiàn)檢測(cè)udp端口的技巧,需要的朋友可以參考下2015-03-03
這篇文章主要為大家詳細(xì)介紹了python批量查詢、漢字去重處理CSV文件，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-05-05
ASCII(American Standard Code for Information Interchange)，是一種單字節(jié)的編碼。這篇文章主要介紹了Python里使用正則表達(dá)式的ASCII模式,需要的朋友可以參考下2017-11-11
這篇文章主要介紹了python-地圖可視化組件folium的操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-12-12
python中的隨機(jī)數(shù)種子seed()用法說(shuō)明
這篇文章主要介紹了python中的隨機(jī)數(shù)種子seed()用法說(shuō)明，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-07-07
今天小編就為大家分享一篇Mac 使用python3的matplot畫圖不顯示的解決，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-11-11