使用gluoncv.model_zoo進(jìn)行目標(biāo)檢測(cè)

? 本文章使用gluoncv.model_zoo中已經(jīng)訓(xùn)練好的模型進(jìn)行目標(biāo)檢測(cè)，這里使用的是YOLO3 darknet訓(xùn)練voc數(shù)據(jù)集的模型。

加載模型

這里講加載模型到本地，模型默認(rèn)下載到當(dāng)前用戶下的文件夾.mxnet\models\

from gluoncv import model_zoo,data,utils from matplotlib import pyplot as plt #加載模型 net = model_zoo.get_model("yolo3_darknet53_voc",pretrained=True)

下載圖片

這里使用網(wǎng)上下載的圖片，將文件下載到當(dāng)前目錄下。本人建議直接自己百度隨便拿將圖，別用下面的代碼下載。

#下載圖片（不建議，因?yàn)榻?jīng)常下載失敗，無(wú)法連接到服務(wù)器） #img_url = "https://raw.githubusercontent.com/zhreshold/mxnet-ssd/master/data/demo/dog.jpg" #img_fname = utils.download(url=img_url,path="dog.jpg")#圖片的預(yù)處理（修正圖片邊長(zhǎng)） #這里的img_fname是同目錄下的img的名字 x,img = data.transforms.presets.yolo.load_test(img_fname,short=512)

測(cè)試

#獲取模型的預(yù)測(cè)結(jié)果 class_ids,class_scores,bounding_boxes = net(x) #繪制預(yù)測(cè)結(jié)果并展示 ax = utils.viz.plot_bbox(img,bounding_boxes[0],class_scores[0], class_ids[0],class_names=net.classes) plt.show()

結(jié)果如下：

單個(gè)檢測(cè)

多個(gè)對(duì)象檢測(cè)

總結(jié)

以上是生活随笔為你收集整理的使用gluoncv.model_zoo进行目标检测的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。