使用gluoncv.model_zoo进行目标检测

时间:2020-8-31 作者:admin


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
使用gluoncv.model_zoo进行目标检测

多个对象检测

使用gluoncv.model_zoo进行目标检测

声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎进行举报,并提供相关证据,工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。