Python基于 ImageAI 子產品實踐 idenprof資料集識别預測分析

Python基于 ImageAI 子產品實踐 idenprof資料集識别預測分析

       圖像識别早已不是很新鮮的話題了，很多資料處理的任務到最後都會歸為圖像識别中，在之前的很多工作中，我陸陸續續也接觸了很多相關的工作，從最開始資料處理，到模型搭建與最終上線也都經曆，大多數時候模型都是自己搭建的，雖然說現在keras的出現極大地簡化了模型的搭建工作，但是整個過程還是需要自己去實踐完成的，對于很多的初學者來說并不是很容易的。

      今天發現了一個好玩的庫——ImageAI，簡單的說一下我的了解就是對keras的又一層封裝，但又不全是這樣。ImageAI簡化了整個圖像識别和目标檢測的工作，今天想來簡單看看，整個子產品的能力。

     使用的使用網上公開的資料集 idenprof ，分為train和test兩個資料集，每個集合裡面共有10個類别，資料集截圖如下：

       具體實踐如下：

!usr/bin/env python

encoding:utf-8

from future import division

"""

__Author__:沂水寒城

功能： python基于 ImageAI 子產品實作 idenprof 資料集預測識别

目前官網中 ImageAI 主要提供四種類型的預測模型分别如下：

SqueezeNet（預測速度最快 正确率中等）

ResNet50 （預測速度快 正确率較高）

InceptionV3（預測速度慢 正确率高）

DenseNet121（預測速度更慢 正确率最高）

import os

import threading

from imageai.Prediction import ImagePrediction

from imageai.Prediction.Custom import ModelTraining

from imageai.Prediction.Custom import CustomImagePrediction

def modelPredictDemo(model_path='officeModels/resnet_model_ex-020_acc-0.651714_idenprof.h5',

class_path='officeModels/model_class_idenprof.json',
                 pic_dir='idenprofTestPic/',classNum=10,resNum=1,flag=True):
'''
圖像識别模型demo
''' 
right=0
if flag:
    prediction=CustomImagePrediction()  
else:
    prediction=ImagePrediction()
prediction.setModelTypeAsResNet()
prediction.setModelPath(model_path)
prediction.setJsonPath(class_path)
prediction.loadModel(num_objects=classNum)
all_files=[]
pic_list=os.listdir(pic_dir)  
for one_pic in pic_list:
    all_files.append(pic_dir+one_pic)
for one_pic in all_files:
    predictions,probabilitys=prediction.predictImage(one_pic,result_count=resNum)
    true_label=one_pic.split('/')[-1].split('.')[0].strip()
    for predict,probability in zip(predictions,probabilitys):
        print(true_label,'===>',predict, " : ", str(probability))
        if true_label.split('-')[0].strip()==predict:
            right+=1
acc=right/len(all_files)
print('Accuracy: ',acc)
           

if __name__=='__main__':

modelPredictDemo(model_path='officeModels/resnet_model_ex-020_acc-0.651714_idenprof.h5',
                 class_path='officeModels/model_class_idenprof.json',
                 pic_dir='idenprofTestPic/',classNum=10,resNum=1,flag=True)           

      模型輸出如下：

      由于自己的PC機太次了，我沒有選擇去自己訓練模型，直接下載下傳了官方提供的預訓練模型，随機抽取了250張圖檔資料作為測試使用，粗略地計算了一下準确度達到了55.64%以上。

      感覺ImageAI使用起來的确是簡單了很多，但是模型的種類和靈活性反而不如自己搭模組化型了，這裡更像是一個社群，自己可以貢獻自己的資料集和預訓練模型供别人使用，總之，好的東西總是會為開發者提供便利的，記錄學習！

作者：Together_CZ

來源：CSDN

原文：

https://blog.csdn.net/Together_CZ/article/details/96714163

版權聲明：本文為部落客原創文章，轉載請附上博文連結！