本站消息

站长简介/公众号


站长简介:逗比程序员,理工宅男,前每日优鲜python全栈开发工程师,利用周末时间开发出本站,欢迎关注我的微信公众号:幽默盒子,一个专注于搞笑,分享快乐的公众号

  价值13000svip视频教程,python大神匠心打造,零基础python开发工程师视频教程全套,基础+进阶+项目实战,包含课件和源码

  出租广告位,需要合作请联系站长

+关注
已关注

分类  

暂无分类

标签  

暂无标签

日期归档  

2020-07(10)

2020-08(50)

使用gluoncv.model_zoo进行目标检测

发布于2020-08-30 13:14     阅读(1145)     评论(0)     点赞(16)     收藏(1)



使用gluoncv.model_zoo进行目标检测

​ 本文章使用gluoncv.model_zoo中已经训练好的模型进行目标检测,这里使用的是YOLO3 darknet训练voc数据集的模型。

加载模型

这里讲加载模型到本地,模型默认下载到当前用户下的文件夹.mxnet\models\

from gluoncv import model_zoo,data,utils
from matplotlib import pyplot as plt
#加载模型
net = model_zoo.get_model("yolo3_darknet53_voc",pretrained=True)
下载图片

这里使用网上下载的图片,将文件下载到当前目录下。本人建议直接自己百度随便拿将图,别用下面的代码下载。

#下载图片(不建议,因为经常下载失败,无法连接到服务器)
#img_url = "https://raw.githubusercontent.com/zhreshold/mxnet-ssd/master/data/demo/dog.jpg"
#img_fname = utils.download(url=img_url,path="dog.jpg")


#图片的预处理(修正图片边长)
#这里的img_fname是同目录下的img的名字
x,img = data.transforms.presets.yolo.load_test(img_fname,short=512)
测试
#获取模型的预测结果
class_ids,class_scores,bounding_boxes = net(x)
#绘制预测结果并展示
ax = utils.viz.plot_bbox(img,bounding_boxes[0],class_scores[0],
class_ids[0],class_names=net.classes)
plt.show()
结果如下:

单个检测
在这里插入图片描述

多个对象检测

在这里插入图片描述

原文链接:https://blog.csdn.net/qq_43203949/article/details/108298769






所属网站分类: 技术文章 > 博客

作者:丸子

链接:https://www.pythonheidong.com/blog/article/498672/6e743d56c3f02c9da7ff/

来源:python黑洞网

任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任

16 0
收藏该文
已收藏

评论内容:(最多支持255个字符)