百度EasyDL图像分类的使用

1. 创建模型

浏览器打开

https://ai.baidu.com/easydl/image_classification

点击开始训练，然后点击创建模型，选择公司或个人，填写对应资料，如下图：

点击下一步，可以看到模型已经创建成功

2.创建数据集

点击我的数据集——>创建数据集

输入数据集名称，然后上传压缩包，图片和压缩包需要遵守右边的规定。

然后点击上传压缩包——>保存

然后等待数据集处理完成，这个时间非常短。

可以看到上传了54张图

3.训练模型

点击训练模型——>选择刚才创建好的模型——>勾选云服务

这里根据自己的需求选择算法和训练方式，对应的算法和训练方式后面会有详细的说明。

调参功能需要先申请开通权限才能使用。

还可以勾选离线服务，可以在无网络的情况下使用模型

然后点击添加训练数据，选择训练集，添加标签。

可以看到底部已经显示：已经选择1个数据集的2个分类。这里还可以从其他数据中添加标签。

添加完成后点击取消，回到之前的页面，如果有需要，可以添加识别结果为其他的分类，当检测到的结果不在分类标签中，都会归为【其他】分类。从之后的实测检验情况来看，建议最好不要勾选。

然后点击开始训练，这样就开始训练了。

4.校验

等待训练结束后，如下图所示：

点击校验——>启动模型校验服务

等待一会，进入到如下界面：

点击添加图片，然后选择校验图片，可以看到下图：

分类结果不正确的情况下，点击纠正识别结果，把图片放到对应的分类和数据集中，然后提交。

5.上线

当模型经过自测检验，能达到预期的识别率的时候，可以点击申请上线的的按钮。

填写服务名称与接口地址，然后点击提交申请。

可以看到状态为审核中，等待审核通过。

期间可以在我的模型全部版本中进行查看

可以看到申请状态为审核成功

点击服务详情，再点击立即使用

进入到如下页面

点击创建应用，然后填入名称和描述，如下图：

点击立即创建，创建成功后再点击返回应用列表，回到如下界面：

可以看到API Key和Secret Key

6.获取access_token

使用get请求，通过下面的链接可以拿到access_token

https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=【API Key】&client_secret=【Secret Key】

返回结果：

{"refresh_token": "25.b55fe1d287227ca97aab219bb249b8ab.315360000.1798284651.282335-8574074","expires_in": 2592000,"scope": "public wise_adapt","session_key": "9mzdDZXu3dENdFZQurfg0Vz8slgSgvvOAUebNFzyzcpQ5EnbxbF+hfG9DQkpUVQdh4p6HbQcAiz5RmuBAja1JJGgIdJI","access_token": "24.6c5e1ff107f0e8bcef8c46d3424a0e78.2592000.1485516651.282335-8574074","session_secret": "dfac94a3489fe9fca7c3221cbf7525ff"
}

access_token：要获取的Access Token

expires_in： Access Token的有效期(秒为单位，一般为1个月)

7.进行图像分类

import requests
import time
import base64access_token = "24.6c5e1ff107f0e8bcef8c46d3424a0e78.2592000.1485516651.282335-8574074"request_url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/classification/tools?access_token={0}".format(access_token)with open('test_dao.jpg', 'rb') as f:image_base64 = base64.b64encode(f.read())image_base64_data = image_base64.decode()data = {"image":image_base64_data,"top_num":"5"}start = time.time()result = requests.post(request_url, json=data).textend = time.time()print('耗时====',end - start)print(result)

输出结果如下：

耗时==== 2.406568765640259
{"log_id":8743601095974003063,"results":[{"name":"[default]","score":0.8629010319709778},{"name":"knife","score":0.12168608605861664},{"name":"screwdriver","score":0.015412857756018639}]}

name是图像分类名称

score是可信度