基于Python實現(xiàn)一個AI物體識別
更新時間：2024年11月04日 08:32:08 作者：志字輩小螞蟻
計算機視覺是其中的一大領(lǐng)域?,應(yīng)用場景也比較多,這篇文章主要為大家詳細介紹了如何基于Python實現(xiàn)一個AI物體識別功能,需要的小伙伴可以了解下
一. 前言
近期在研究 AI 方面的應(yīng)用 ，計算機視覺是其中的一大領(lǐng)域 ，應(yīng)用場景也比較多。
這一篇主要嘗試弄清楚 : 一個 AI 視覺識別的 功能點 ，涉及到哪些知識 ？
二. 處理流程
2.1 前置知識點
在實現(xiàn)這個功能之前 ，先要明白幾個前置知識點 ：
Python 層面需要的工具 ：
| 組件工具 | 功能描述 | 作用 |
|---|---|---|
| opencv-python | 一個開源計算機視覺庫，提供圖像和視頻處理功能。 | 用于加載、處理和顯示圖像，進行圖像預(yù)處理，如縮放、裁剪和繪制。 |
| tensorflow | 一個開源機器學(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)練物體識別模型，提供高層次的 API 和模型管理功能。 |
| torch | 一個開源深度學(xué)習(xí)框架，以動態(tài)計算圖著稱，適合研究和生產(chǎn)。 | 提供強大的張量計算功能，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 ，它作為計算機視覺庫 ，提供了很多圖形處理的功能。
- 下面3個主要是 AI 領(lǐng)域的組件 ，用于使用 AI 的各項能力
模型和模型的選擇
我們在識別物體的過程中 ，圖片中的物體到底是什么，這是需要一個 知識庫 來幫助給出答案的。 而模型就是那個知識庫。
模型 是指一個數(shù)學(xué)表示或計算框架，旨在從輸入數(shù)據(jù)中學(xué)習(xí)模式和規(guī)律，并進行預(yù)測或分類
一個模型的生成包括 ： 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 ，模型評估 ，模型測試 及 最終使用
關(guān)于模型的生成 ，不在本篇的討論中 ，展示也不會這一塊。 這一篇主要專注于使用。
常用的物體識別模型 ：
| 模型 | 作用說明 | 適合的場景 |
|---|---|---|
| YOLO | 實時物體檢測模型，通過全卷積網(wǎng)絡(luò)實現(xiàn)快速檢測，適合大規(guī)模應(yīng)用。 | 監(jiān)控、自動駕駛、機器人視覺 |
| SSD | 單次檢測器，結(jié)合不同尺度的特征圖進行物體檢測，速度快且準(zhǔn)確。 | 移動設(shè)備、實時視頻分析 |
| Faster R-CNN | 采用區(qū)域提議網(wǎng)絡(luò)（RPN）和深度卷積網(wǎng)絡(luò)，實現(xiàn)高精度的物體檢測。 | 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)上增加實例分割功能，能同時進行物體檢測和分割。 | 圖像編輯、自動標(biāo)注 |
| RetinaNet | 使用焦點損失（Focal Loss）處理類別不平衡問題，適合小物體檢測。 | 復(fù)雜背景中的物體檢測 |
| 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)、移動設(shè)備 |
| CenterNet | 基于中心點檢測的框架，簡單高效，適合實時檢測。 | 需要實時性的物體檢測應(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
# 進行物體識別
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 : 測試
2.2 模型的使用方式二
第二種方式更簡單 ，例如 Ultralytics 就提供了一整套組件可以開箱即用。
S1 : Python 安裝 ultralytics
pip install ultralytics
S2 : 對物體進行識別
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
# 進行物體識別
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 模型的時候 ，會自動從遠程下載模型
Downloading https://github.com/ultralytics/assets/releases/download/v8.3.0/yolov5su.pt to 'yolov5su.pt'...
三. 擴展和發(fā)展
一般沒有特殊的要求 ，大部分情況下 ，我們會選擇框架直接使用。下面主要來介紹一下 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): 對給定的圖像、視頻或文件夾進行物體檢測。
結(jié)果處理 :
- results.print(): 打印檢測結(jié)果，包括類別和置信度。
- results.xyxy: 返回檢測到的邊界框，格式為 (x1, y1, x2, y2, confidence, class)。
- results.show(): 顯示帶有檢測框的圖像。
- results.save(save_dir): 將帶有檢測框的圖像保存到指定目錄。
其他的更復(fù)雜的 ：
針對初始模型 ，還可以通過數(shù)據(jù)集和訓(xùn)練來適配更復(fù)雜的場景 ：
- train(): 訓(xùn)練模型，支持自定義數(shù)據(jù)集。
- val(): 驗證模型性能，通常在訓(xùn)練后進行。
- Dataset(): 用于處理數(shù)據(jù)集，支持常見的數(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
基本上使用起來賊簡單 ，簡單照著文檔操作一下就能實現(xiàn)。
但是 ： 生成級使用不會這么簡單 ， 模型相當(dāng)于一個通用的數(shù)據(jù)集 ，它只能適配常見的需求。
以上就是基于Python實現(xiàn)一個AI物體識別的詳細內(nèi)容，更多關(guān)于Python AI物體識別的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
這篇文章主要介紹了Python深拷貝與淺拷貝用法,結(jié)合實例形式分析了Python對象的復(fù)制、深拷貝、淺拷貝等操作原理、用法及相關(guān)注意事項,需要的朋友可以參考下2019-05-05
這篇文章主要介紹了Django與遺留的數(shù)據(jù)庫整合的方法指南,Django是最具人氣的Python開發(fā)框架,需要的朋友可以參考下2015-07-07
這篇文章主要為大家詳細介紹了Python如何利用request庫打造自己的翻譯接口，文中的示例代碼講解詳細，感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-04-04
這篇文章主要介紹了變長雙向rnn的正確使用姿勢，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
今天小編就為大家分享一篇python 讀取txt,json和hdf5文件的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-06-06
聊聊pytorch中Optimizer與optimizer.step()的用法
這篇文章主要介紹了pytorch中Optimizer與optimizer.step()的用法，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
Python中實現(xiàn)人臉識別功能有多種方法，依賴于python膠水語言的特性，我們通過調(diào)用包可以快速準(zhǔn)確的達成這一目的，本文給大家分享使用Python實現(xiàn)簡單的人臉識別功能的操作步驟，感興趣的朋友一起看看吧2022-02-02
這篇文章主要為大家詳細介紹了python實現(xiàn)多張圖片拼接成大圖，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-01-01
箭頭向量圖十分常見，比如天氣預(yù)報在顯示風(fēng)場的時候，就會貼心地用箭頭指明風(fēng)的方向，下面就跟隨小編一起學(xué)習(xí)一下如何利用Python繪制箭頭向量圖吧2023-08-08
這篇文章主要介紹了深入理解Python中命名空間的查找規(guī)則LEGB,作者根據(jù)Python3.x版本進行講解,需要的朋友可以參考下2015-08-08