Cara menggunakan Python untuk melaksanakan pengecaman kategori pada imej

Cara menggunakan Python untuk mengenal pasti kategori gambar

Dalam masyarakat hari ini, gambar adalah bahagian yang sangat diperlukan dalam kehidupan seharian kita. Dengan percambahan telefon pintar dan media sosial, kami mengambil dan berkongsi banyak imej setiap hari. Cara mengelas dan mengenal pasti gambar ini dengan berkesan memainkan peranan penting dalam meningkatkan kualiti hidup dan kecekapan kerja kita. Artikel ini akan memperkenalkan cara menggunakan bahasa pengaturcaraan Python untuk mengenal pasti kategori imej dan melampirkan contoh kod.

Menggunakan Python untuk pengecaman kategori imej memerlukan bantuan beberapa perpustakaan yang biasa digunakan, termasuk PIL (Python Imaging Library), aliran tensor dan keras. Kami mula-mula menggunakan perpustakaan PIL untuk memuatkan dan memproses imej, kemudian menggunakan model pembelajaran mendalam yang disediakan oleh aliran tensor dan keras untuk pengelasan.

Pertama, kita perlu memasang perpustakaan yang diperlukan. PIL, tensorflow dan keras boleh dipasang menggunakan arahan pip:

pip install pillow tensorflow keras

Selepas menyediakan perpustakaan yang diperlukan, kita boleh mula menulis kod. Pertama, kita perlu memuatkan model pembelajaran mendalam yang terlatih. Dalam artikel ini, kami akan menggunakan model ResNet50 terlatih sebagai contoh, yang dilatih pada set data ImageNet.

from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

model = ResNet50(weights='imagenet')

Seterusnya, kita boleh menggunakan perpustakaan PIL untuk memuatkan imej untuk dikenali dan melaraskan saiz untuk memenuhi keperluan input model.

img_path = 'test.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

Kini, kami boleh melakukan pengecaman kategori pada imej dengan memanggil kaedah ramalan model pembelajaran mendalam dan memaparkan hasil pengecaman.

preds = model.predict(x)
pred_classes = decode_predictions(preds, top=3)[0]

for pred_class in pred_classes:
    print(pred_class[1], pred_class[2])

Dalam contoh kod, kami menyahkod ramalan ke dalam label yang boleh dibaca manusia melalui fungsi decode_predictions dan hanya memaparkan tiga ramalan teratas dengan keyakinan tertinggi. Dengan cara ini, kita boleh mendapatkan hasil pengecaman kategori imej.

Perlu diingatkan bahawa untuk mendapatkan hasil ramalan yang lebih tepat, kami boleh menggantikan model ResNet50 dengan melatih model pembelajaran mendalam kami sendiri atau menggunakan model yang lebih kompleks. Di samping itu, kami boleh meningkatkan lagi ketepatan ramalan dengan meningkatkan jumlah dan jenis data latihan dan melaraskan hiperparameter model.

Ringkasnya, artikel ini memperkenalkan cara menggunakan Python untuk mengenal pasti kategori imej dan menyediakan contoh kod yang sepadan. Dengan mempelajari dan menggunakan kaedah ini, kita boleh dengan mudah mengklasifikasikan dan mengenal pasti sejumlah besar gambar, meningkatkan kecekapan kehidupan dan kerja.

Contoh Kod:

from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

model = ResNet50(weights='imagenet')

img_path = 'test.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

preds = model.predict(x)
pred_classes = decode_predictions(preds, top=3)[0]

for pred_class in pred_classes:
    print(pred_class[1], pred_class[2])

Teknologi ini boleh diperluaskan lagi dan boleh menggunakan Python untuk klasifikasi imej juga boleh digunakan untuk mengenal pasti dan mencari objek tertentu dalam imej, yang merupakan tugas yang menyusahkan untuk banyak proses manual, terutamanya. apabila terdapat sejumlah besar data yang dilabelkan cemerlang apabila tersedia. Saya harap artikel ini dapat membantu anda memahami cara menggunakan Python untuk klasifikasi imej dan memainkan peranan dalam aplikasi praktikal.

Atas ialah kandungan terperinci Cara menggunakan Python untuk melaksanakan pengecaman kategori pada imej. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!