点击我爱计算机视觉标星，更快获取CVML新技术

本文转载自OpenCV学堂。

ImageAI介绍

纯Python的快速目标检测训练与测试平台，基于tensorflow+opencv构建，支持

• RetinaNet

• YOLOv3

• TinyYOLOv3

在COCO数据集上预训练模型的调用，同时支持自定义目标训练与导出。支持

• 图像分类

• 目标检测

• 视频目标检测与跟踪

安装ImageAI

ImageAI的后台依赖Tensorflow框架与keras，所以需要首先安装Tensorflow，当前还不支持Tensorflow2.0版本

• tensorflow 1.4.x以上版本

• opencv-python

安装ImageAI，只需要执行如下命令行即可

pip install imageai

代码演示

1. 图像分类

from imageai.Prediction import ImagePrediction
import osexecution_path = os.getcwd()prediction = ImagePrediction()
prediction.setModelTypeAsResNet()
prediction.setModelPath(os.path.join(execution_path, "resnet50_weights_tf_dim_ordering_tf_kernels.h5"))
prediction.loadModel()predictions, probabilities = prediction.predictImage(os.path.join(execution_path, "1.jpg"), result_count=5 )
for eachPrediction, eachProbability in zip(predictions, probabilities):print(eachPrediction , " : " , eachProbability)

图像

运行输出:

convertible : 52.459555864334106
sports_car : 37.61284649372101
pickup : 3.1751200556755066
car_wheel : 1.817505806684494
minivan : 1.7487050965428352

2. 目标检测

from imageai.Detection import ObjectDetection
import osexecution_path = os.getcwd()detector = ObjectDetection()
detector.setModelTypeAsYOLOv3()
detector.setModelPath( os.path.join(execution_path , "yolo.h5"))
detector.loadModel()
detections = detector.detectObjectsFromImage(input_image=os.path.join(execution_path , "image2.jpg"), output_image_path=os.path.join(execution_path , "image2new.jpg"), minimum_percentage_probability=30)for eachObject in detections:print(eachObject["name"] , " : ", eachObject["percentage_probability"], " : ", eachObject["box_points"] )print("--------------------------------")

运行输出:

Github地址

https://github.com/OlafenwaMoses/ImageAI/

目标检测交流群

关注最新最前沿的目标检测技术，扫码添加CV君拉你入群，（如已为CV君其他账号好友请直接私信）

（请务必注明：目标检测）

喜欢在QQ交流的童鞋，可以加52CV官方QQ群：805388940。

（不会时时在线，如果没能及时通过验证还请见谅）

长按关注我爱计算机视觉