“Word is useless, show me the pic” -MR Lu

先看下原圖：

圖片表述的是一男一女在散步，后面有一輛車，現在來看下我們通過十行代碼實現的效果：

我們可以看到，在這幅圖中其實有三個“person”被識別出來，包括后面非常非常小的行人，還有一個“car”被識別出來，可以說模型能力基本達到了人眼的能力。現在就來介紹如何把這個識別結果用10行python代碼實現。

代碼

既然代碼用得少，必然是站在了巨人的肩膀上去做事，需要安裝大量第三方庫。

1.需要首先用pip3安裝以下庫：

pip3 install numpy、scipy、opencv-python、pillow、matplotlib、h5py、keras、

注意：用到的是python3，有一些庫在國內安裝很慢，可以使用豆瓣源

pip3 install 第三方庫名 -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com

2.然后要安裝用到的識別庫，名字叫imageai：

pip3 install https://github.com/OlafenwaMoses/ImageAI/releases/download/2.0.1/imageai-2.0.1-py3-none-any.whl

3.接著要下載訓練好的模型，我們直接使用現成的模型做預測，模型地址（145MB）：

https://github.com/OlafenwaMoses/ImageAI/releases/download/1.0/resnet50_coco_best_v2.0.1.h5

4.最后來看看代碼：

from imageai.Detection import ObjectDetection import osexecution_path = os.getcwd()detector = ObjectDetection() detector.setModelTypeAsRetinaNet() detector.setModelPath( os.path.join(execution_path , "resnet50_coco_best_v2.0.1.h5")) detector.loadModel() detections = detector.detectObjectsFromImage(input_image=os.path.join(execution_path , "image3.jpg"), output_image_path=os.path.join(execution_path , "image3new.jpg"))for eachObject in detections:print(eachObject["name"] + " : " + eachObject["percentage_probability"] )print("--------------------------------")

clone代碼地址：https://github.com/OlafenwaMoses/ImageAI

其中模型要跟代碼放到統一路徑下，image2.jpg是輸入圖片，image2new.jpg是輸出圖片。一共有效行數為10，不是你來打我，哈哈。運行這個文件就會生成標記好的圖片。

是不是很簡單，謝謝大家~

總結

以上是生活随笔為你收集整理的十行Python代码搞定图片中的物体检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。