实用云,提供最全最实时的云市场资讯

手机站:/m

消息队列_北京通州网站建设_优惠

时间:2021-06-12 03:10编辑:实用云来源:实用云当前位置:主页 > 弹性计算 >

在这篇博文中,我们将学习如何利用RetinaNet对象检测框架来检测和定位图像中的logo,返利淘客,并使用sapcloudfoundry构建restapi Python Flask应用程序。结果将在HTML文件中可视化。

SAP CLoud Foundry视黄网:https://github.com/fizyr/keras-retinanet标签:https://github.com/tzutalin/labelImg谷歌Colab:https://colab.research.google.com

下面是我们将要执行的高级步骤。

我准备了185个图像徽标文件作为一个数据集,只有一个类,因为我们将只检测图像中的一个徽标。这是通过从Google搜索查询中下载图片手动完成的。将数据集提取到文件夹中。

安装并打开LabelImg工具。

保存标签后,将使用边界框信息bndbox创建XML文件。我们将提取信息并放入所需的Keras RetinaNet格式。

我们有185个数据点,我们需要洗牌和分割80%的数据用于训练,20%的数据用于测试。我已经生成了列车.txt以及测试.txt它由图像文件名的唯一图像ID组成。看一下这些文件。

我们还需要准备三个Keras RetinaNet框架库所需的CSV文件。

RetinaNet_类.csv包含类名到整数ID的映射pfe,0视网膜网_测试.csv还有维甲酸_列车.csv.包含图像路径、边界框注释和可读类标签。/content/keras retinanet/images/00000096.jpg,37,21380224,pfe/content/keras retinanet/images/00000596.jpg,179,20578317,pfe/content/keras retinanet/images/00000250.jpg,27,11207119,购返利,pfe...​第一个条目是图像的路径,然后是边界框坐标,怎么做淘客,顺序如下:开始x,开始y,结束x,结束y。最后一个条目是人类可读的类标签。

运行下面的Python脚本生成那些CSV文件:

现在我们有了执行培训所需的所有文件。我们将在GPU上使用Google Colab.

打开Google Colab并将笔记本设置运行时类型Python 3和硬件加速器设置为GPU.

为此我准备了Python Jupyter笔记本。运行笔记本,让网络总共训练50个时代。

训练完成后,企业软件正版化,我们需要导出,然后才能评估模型或应用它预测我们自己图像中的对象。

从Google Colab下载resnet50_csv_50.h5。

运行以下命令进行转换:

我们将获得准备好的模型输出。h5。

到在测试集上评估模型,使用以下命令:

从评估中我们获得平均精度(mAP)96%。

我们将创建一个Python Flask应用程序来检测图像中的徽标,并将其部署到SAP Cloud Foundry。

使用此图像测试应用程序,转到SAP Cloud Foundry应用程序URL并提供URL参数和图像文件的链接:

服务将返回一个JSON响应,其中包括已识别对象的分数和边界框坐标:

要可视化结果,请创建一个简单的HTML代码并填充边界框,大数据实战,类和分数。

完整的源代码可以在我的Git repo上找到,生成的模型可以在这里找到。

参考

使用REST客户端的对象检测API计算机视觉深度学习

上一篇微软云_长沙企业网站建设报价_稳定性好

下一篇云数据库_高配云服务器_免费领

世界之最排行

世界之最精选