Python は、コンピューター ビジョンと機械学習の分野で広く使用されている高レベル プログラミング言語です。その中でも、ターゲット検出は、画像やビデオ内のターゲット オブジェクトを検出および識別するために使用される、コンピューター ビジョンにおける重要なアプリケーション シナリオです。 Python には、オブジェクト検出用の強力なツールキットとライブラリが多数あります。この記事では、Python での物体検出技術を例を挙げて紹介します。
この例では、深層学習に基づくターゲット検出アルゴリズムである Faster R-CNN (Faster Regional-based Convolutional Neural Network) アルゴリズムを使用します。画像内のオブジェクトを正確に検出し、その位置と境界ボックスをマークできます。 Faster R-CNN アルゴリズムは、高精度、高信頼性、効率性という利点があるため、実用的なアプリケーションで広く使用されています。
まず、必要なツールとデータセットを準備する必要があります。 Python の TensorFlow ライブラリと Keras ライブラリ、および広く使用されているオブジェクト検出データセットである COCO (Common Objects in Context) データセットを使用します。次のコマンドを使用して、これらの必要なツールをインストールできます:
pip install tensorflow keras pip install pycocotools
これらのツールをインストールした後、Python コードの作成を開始できます。まず、必要な変数とパラメータをいくつか定義する必要があります。これらの変数とパラメーターは後続のコードで使用されます。
import tensorflow as tf # 定义图像的宽和高 img_height = 800 img_width = 800 # 定义学习率和训练轮数 learning_rate = 0.001 num_epochs = 100 # 加载COCO数据集 train_data = tf.data.TFRecordDataset('coco_train.tfrecord') val_data = tf.data.TFRecordDataset('coco_val.tfrecord') # 定义类别数目和类别标签 num_classes = 80 class_labels = ['airplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', 'chair', 'cow', 'dining', 'dog', 'horse', 'motorcycle', 'person', 'potted', 'sheep', 'sofa', 'train', 'tv']
次に、モデルを定義する必要があります。この例では、TensorFlow の Keras ライブラリを使用して、より高速な R-CNN モデルを定義します。
from tensorflow.keras.applications import ResNet50V2 from tensorflow.keras.layers import Input, Conv2D, Dense, MaxPooling2D, Flatten, Reshape from tensorflow.keras.models import Model # 定义输入层 input_layer = Input(shape=(img_height, img_width, 3)) # 定义ResNet50V2预训练模型 resnet = ResNet50V2(include_top=False, weights='imagenet', input_tensor=input_layer) # 定义RPN网络 rpn_conv = Conv2D(512, (3,3), padding='same', activation='relu', name='rpn_conv')(resnet.output) rpn_cls = Conv2D(num_anchors*num_classes, (1,1), activation='sigmoid', name='rpn_cls')(rpn_conv) rpn_reg = Conv2D(num_anchors*4, (1,1), activation='linear', name='rpn_reg')(rpn_conv) # 定义RoI Pooling层 roi_input = Input(shape=(None, 4)) roi_pool = RoIPooling((7, 7), 1.0/16)([resnet.output, roi_input]) # 定义全连接层 flatten = Flatten()(roi_pool) fc1 = Dense(1024, activation='relu', name='fc1')(flatten) fc2 = Dense(1024, activation='relu', name='fc2')(fc1) output_cls = Dense(num_classes, activation='softmax', name='output_cls')(fc2) output_reg = Dense(num_classes*4, activation='linear', name='output_reg')(fc2) # 组装模型 model = Model(inputs=[input_layer, roi_input], outputs=[rpn_cls, rpn_reg, output_cls, output_reg])
モデルを定義したら、トレーニングを開始できます。以下はトレーニング プロセスのコードです:
from tensorflow.keras.optimizers import Adam from tensorflow.keras.losses import binary_crossentropy, mean_squared_error # 定义优化器和损失函数 optimizer = Adam(lr=learning_rate) loss_rpn_cls = binary_crossentropy loss_rpn_reg = mean_squared_error loss_cls = categorical_crossentropy loss_reg = mean_squared_error # 编译模型 model.compile(optimizer=optimizer, loss=[loss_rpn_cls, loss_rpn_reg, loss_cls, loss_reg], metrics=['accuracy']) # 训练模型 history = model.fit(train_data, epochs=num_epochs, validation_data=val_data)
トレーニングが完了したら、モデルをターゲット検出に使用できます。以下はターゲット検出のコードです:
# 加载测试数据集 test_data = tf.data.TFRecordDataset('coco_test.tfrecord') # 定义预测函数 def predict(image): # 对输入图像进行预处理 image = tf.image.resize(image, (img_height, img_width)) image = tf.expand_dims(image, axis=0) # 对图像进行目标检测 rpn_cls, rpn_reg, output_cls, output_reg = model.predict([image, roi_input]) # 对检测结果进行后处理 detections = post_process(rpn_cls, rpn_reg, output_cls, output_reg) return detections # 对测试数据集中的图像进行目标检测 for image, label in test_data: detections = predict(image) visualize(image, detections)
ターゲットの検出が完了したら、検出結果を視覚化できます。以下はビジュアル コードです:
import matplotlib.pyplot as plt def visualize(image, detections): # 在图像上绘制检测结果 for detection in detections: bbox = detection['bbox'] label = detection['label'] plt.imshow(image) plt.gca().add_patch(plt.Rectangle((bbox[0], bbox[1]), bbox[2]-bbox[0], bbox[3]-bbox[1], fill=False, edgecolor='r')) plt.text(bbox[0], bbox[1], class_labels[label], color='r', fontsize=12) plt.show()
上記のコードを通じて、Python ベースの高速 R-CNN ターゲット検出サンプルを完全に実装できます。実際のアプリケーションでは、セキュリティ監視、交通監視、無人運転などの多くのシナリオに適用できます。 Python の強力な機能と多くの優れたツール ライブラリは、実際のアプリケーション シナリオに適切に対処するのに役立つ豊富なツールとテクノロジを提供します。
以上がPython でのオブジェクト検出の例の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。