智客公社

标题: 图像识别大揭秘:从安防到自动驾驶,视觉模型如何重塑世界 [打印本页]

作者: handanbaoding19    时间: 2024-12-25 21:51
标题: 图像识别大揭秘:从安防到自动驾驶,视觉模型如何重塑世界
图像识别是人工智能的一个重要领域,是指利用计算机视觉技术对图像进行处理、分析和理解,以达到识别图像中的对象、场景或特征的过程。

基于图像识别的概念,依据对于图像处理的方式不同延伸出很多其他的子任务,如下所示:

[attach]840119[/attach]

图像识别的应用场景

实战案例

本章使用 transformers==4.39.3,pillow==10.3.0,可参考版本进行安装。
实战将采用 HuggingFace 提供的 transformers 库去调用预训练模型,Transformer 库提供了易于使用的 API,可以轻松地加载、使用和微调预训练模型。预测结果将使用 pillow 库绘画出图像识别识别的结果。
HuggingFace 的 transformers 库提供了方便的接口来加载、运行和微调各种预训练的 transformers 模型,安装方式如下:
pipeline() 是使用预训练模型进行推理的最简便、高效的方式,适用于多种任务跨模型的应用场景。利用 pipeline(),可轻松调用不同模型。代码示例如下所示:
def test_pipeline():    # 情感分析    classifier = pipeline(task="sentiment-analysis")    # 给出三个文本内容    results = classifier(        ["It's a great ride around the island", "The weather is bad", "He sent an email"])    # 打印出结果    for i in results:        print(f"label: {i['label']}, with score: {round(i['score'], 4)}")目标检测

目标检测是在图像中确定并标记出物体位置和类别的任务,通常以边界框的形式呈现,通常是在已知的类别中检测目标。
具体实现是模型会接收带有标签的数据,模型会返回图像中检测到的目标物体的位置和类别信息。
以下是代码示例:
def test_object_detector():    # 打开一张图片    with open("./breakfast.png", mode='rb') as f:        image = Image.open(f)        # 初始化一个 pipeline 对象        object_detector = pipeline(task='object-detection', revision='main')        # 传入图像        predictions = object_detector(image)        # 将预测结果输出        print(json.dumps(predictions, indent=2, ensure_ascii=False))        # 使用 ImageDraw 创建一个可在图像上绘制形状和文本的对象        draw = ImageDraw.Draw(image)        # 遍历检测到每个对象的预测结果  从预测结果去除边界框、标签和置信度得分信息        for prediction in predictions:            box = prediction["box"]            label = prediction["label"]            score = prediction["score"]            xmin, ymin, xmax, ymax = box.values()            # 使用绘图对象,在图像上绘制由边界框定义的矩形框,用红色描边,线宽为1。            draw.rectangle((xmin, ymin, xmax, ymax), outline="red", width=1)            # 在边界框的左上角绘制文本,显示对象标签和置信度得分,文本颜色为白色,字号为16。            # Win 使用Arial字体 :ImageFont.truetype('arial.ttf')            # Mac可用 PingFang:ImageFont.truetype('PingFang')            draw.text((xmin, ymin), f"{label}:{round(score, 2)}", fill="white",                      font=ImageFont.truetype('arial.ttf', size=16))        # 展示绘制结果        image.show()        # 保存图片        image.save('./breakfast_object.png')零样本目标检测

零样本目标检测是利用模型再训练阶段学到的通用特征,在没有事先见过的类别的情况下,在图像中检测和识别目标物体。
具体实现是将图像传递给零样本目标检测模型,并且给出一组候选标签(candidate_labels),模型会尝试识别图像中是否存在标签对应的物体。
以下是代码示例:
def test_object_detect():    with open('breakfast.png', mode='rb') as f:        image = Image.open(f)        # 初始化一个 pipeline 对象        object_detector = pipeline(            task="zero-shot-object-detection",            revision='main'        )        # 传入图像,并且给出标签        predictions = object_detector(image, candidate_labels=['milk'])        print(json.dumps(predictions, indent=2, ensure_ascii=False))        # 可视化预测        draw = ImageDraw.Draw(image)        # 遍历检测到的每个对象的预测结果。        for prediction in predictions:            # 从每个预测结果中获取边界框(box)、标签(label)和置信度得分(score)等信息。            box = prediction["box"]            label = prediction["label"]            score = prediction["score"]            xmin, ymin, xmax, ymax = box.values()            # 使用绘图对象,在图像上绘制由边界框定义的矩形框,用红色描边,线宽为1。            draw.rectangle((xmin, ymin, xmax, ymax), outline="red", width=1)            # 在边界框的左上角绘制文本,显示对象标签和置信度得分,文本颜色为白色,字号为16。            # Win 使用Arial字体 :ImageFont.truetype('arial.ttf')            # Mac可用 PingFang:ImageFont.truetype('PingFang')            draw.text((xmin, ymin), f"{label}: {round(score, 2)}", fill="white",                      font=ImageFont.truetype('arial.ttf', size=16))        image.show()        image.save('breakfast_zero_milk.png')总结

[attach]840120[/attach]
作者: 今生唯一Jacky    时间: 2024-12-26 07:12
我有一个大胆的想法。。。
作者: 无聊来看看啊    时间: 2024-12-27 11:11
未完待续哈哈!
作者: 没有去办棕    时间: 2024-12-28 15:59
锄禾日当午,发帖真辛苦。谁知坛中餐,帖帖皆辛苦!




欢迎光临 智客公社 (https://bbs.cnaiplus.com/) Powered by Discuz! X3.5