使用GluonCV運行目標檢測模型

GluonCV是分佈式機器學習社區(DMLC)發佈的深度學習計算機視覺工具箱,提供了計算機視覺頂級的算法實現與基本運算(另外一個是天然語言處理工具箱GluonNLP).

GluonCV簡單易用,有不少訓練好的模型,經過一行代碼就能夠下載使用,很是方便.

因爲GluonCV是基於MXNet,因此,要先安裝MXNet:

pip install mxnet

而後,再安裝GluonCV:

pip install gluoncv

GluonCV包含了分類、檢測、語義分割等多種計算機視覺應用的模型.下面,以目標檢測Faster-RCNN模型爲例,說明怎樣下載並調用GluonCV的模型.

定義網絡:

net = model_zoo.get_model('faster_rcnn_resnet50_v1b_voc', pretrained=True)

其中,'faster_rcnn_resnet50_v1b_voc'爲模型名稱,pretrained=True表示使用預訓練的模型,也就是直接下載GluonCV已經訓練好的模型.若是已經下載了,就直接使用,不會再次下載.

定義用到的圖片:

im_fname = ['C:\\Users\\hadoop\\.mxnet\\models\\aa554c60229540cfb4d4999f72134bcb_th.jpg']

對圖片進行處理:

x, orig_img = data.transforms.presets.rcnn.load_test(im_fname)

使用網絡進行推理:

box_ids, scores, bboxes = net(x)

繪製推理結果:

ax = utils.viz.plot_bbox(orig_img, bboxes[0], scores[0], box_ids[0], class_names=net.classes)
plt.show()

運行結果:

更多資料,能夠參考https://gluon-cv.mxnet.io/contents.html.