前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【干货】快速上手图像识别:用TensorFlow API实现图像分类实例

【干货】快速上手图像识别:用TensorFlow API实现图像分类实例

作者头像
WZEARW
发布2018-04-13 15:37:36
2.9K0
发布2018-04-13 15:37:36
举报
文章被收录于专栏:专知

【导读】1月17日,Arduino社区的编辑SAGAR SHARMA发布一篇基于TensorFlow API的图像识别实例教程。作者通过TensorFlow API快捷地实现一个命令行图像分类例子,详细介绍了如何按步骤下载模型、加载图像、执行图像识别命令。你不需要GPU,只要有一台笔记本就可以按照作者的步骤进行操作,并最终完成图像识别任务。教程非常方便快捷,读完本文之后相信你能秒秒钟实现一个图像分类任务。专知内容组编辑整理。

Tensorflow Image Recognition Python API Tutorial

On CPU with Inception-v3 (In seconds)

在CPU上使用使用Inception-v3网络(以秒为单位)

这里给出在没有使用任何GPU的情况下,在笔记本电脑或计算机上进行图像识别的最快速和最简单的方法,因为它只用API和您的CPU就足够了。

我对这个API小有了解,因为它来自tensorflow的早期版本。这是一个在1000类上训练的cnn模型。更多详细信息,请参阅tensorflow页面。

http://image-net.org/challenges/LSVRC/2014/browse-synsets

https://www.tensorflow.org/tutorials/image_recognition

在我开始向大家展示如何用这个API实现图像分类之前,我们先来看一个例子:输入是太空火箭/飞船的图像。

在命令行输出“航天飞机(得分= 89.639%)”。

只要你有Linux或Mac就不要担心。 我确信这可以在任何CPU上运行。

这个过程分为四步:

1、从TensorFlow库下载模型

进入tensorflow知识库链接并将其下载到您的计算机中,将其解压缩到根目录中,因为我使用的是Windows,所以将其解压缩到“C:”驱动器中。

命名文件夹为“models”。

https://github.com/tensorflow/models

2、命令行

以管理员身份打开命令行。

现在我们需要运行“models> tutorials> imagenet> classify_image.py”中的classify_image.py文件,输入以下命令并按下Enter键。

这会下载一个200MB的模型,这将有助于识别您的自定义图像。

如果一切顺利,命令提示符如下:

代码语言:javascript
复制
giant panda, panda, panda bear, coon bear, Ailuropoda melanoleuca (score = 0.88493)
indri, indris, Indri indri, Indri brevicaudatus (score = 0.00878)
lesser panda, red panda, panda, bear cat, cat bear, Ailurus fulgens (score = 0.00317)
custard apple (score = 0.00149)
earthstar (score = 0.00127)

现在为了确保我们能正确使用它,我们将这样做两次。 将图像保存在“models>tutorials>imagenet>”目录之后,然后将图像保存在其他不同的目录或驱动器中。

3、下载目录中的图像

使用来自互联网或任何其他地方的任何图像,并将其粘贴到“models>tutorials>imagenet>images.png”目录下,这里还有classify_image.py,然后我们将其粘贴到“D:\ images.png” 或任何你想要的目录下,但要记住在命令提示符下输入正确的地址。我使用的图像如下。

4、使用命令提示符执行识别任务

要执行此操作,只需改变参数“-image_file”。

a)在进入imagenet目录之后,对于与classify_image.py文件类型相同的目录中的图像,只需要下面的命令:

代码语言:javascript
复制
python classify_image.py --image_file images.png

b)通过传入不同的路径,来识别不同的图像。

代码语言:javascript
复制
python classify_image.py --image_file D:/images.png

结果

现在,对于这两个图像的结果明显是相同的,下面给出识别结果。

如上,准确率得分非常准确,即手机的识别率为98.028%。

注意:你可以随意使用任何你想要的图像或保存在任何目录中,但一定要输入正确的路径。

我尽量保持文章准确和容易理解。

您可以提任何意见,如果你有任何问题,请写在评论。

在Medium,Facebook,Twitter,LinkedIn,Google +,Quora上关注我,可以看到类似的帖子。

希望本文能帮助你

你可能对以下内容也会感兴趣:

1、“Tensorflow”中的“Tensor”是什么意思?

https://medium.com/m/global-identity?redirectUrl=https://hackernoon.com/what-the-hell-is-tensor-in-tensorflow-e40dbf0253ee

2. Epoch vs Batch Size vs Iterations

https://towardsdatascience.com/epoch-vs-iterations-vs-batch-size-4dfb9c7ce9c9

3.什么是感知器?

https://towardsdatascience.com/what-the-hell-is-perceptron-626217814f53

4.激活函数解释:神经网络

https://medium.com/towards-data-science/activation-functions-neural-networks-1cbd9f8d91d6

原文链接:

https://towardsdatascience.com/tensorflow-image-recognition-python-api-e35f7d412a70

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-01-19,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 专知 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像识别
腾讯云图像识别基于深度学习等人工智能技术,提供车辆,物体及场景等检测和识别服务, 已上线产品子功能包含车辆识别,商品识别,宠物识别,文件封识别等,更多功能接口敬请期待。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档