Python基於 ImageAI 模塊實踐 idenprof數據集識別預測分析

Python基於 ImageAI 模塊實踐 idenprof數據集識別預測分析
       圖像識別早已不是很新鮮的話題了，很多數據處理的任務到最後都會歸爲圖像識別中，在之前的很多工作中，我陸陸續續也接觸了很多相關的工作，從最開始數據處理，到模型搭建與最終上線也都經歷，大多數時候模型都是自己搭建的，雖然說現在keras的出現極大地簡化了模型的搭建工作，但是整個過程還是需要自己去實踐完成的，對於很多的初學者來說並不是很容易的。

      今天發現了一個好玩的庫——ImageAI，簡單的說一下我的理解就是對keras的又一層封裝，但又不全是這樣。ImageAI簡化了整個圖像識別和目標檢測的工作，今天想來簡單看看，整個模塊的能力。

     使用的使用網上公開的數據集 idenprof ，分爲train和test兩個數據集，每個集合裏面共有10個類別，數據集截圖如下：

       具體實踐如下：
 

!usr/bin/env python

encoding:utf-8

from future import division

"""
__Author__:沂水寒城
功能： python基於 ImageAI 模塊實現 idenprof 數據集預測識別
當前官網中 ImageAI 主要提供四種類型的預測模型分別如下：
SqueezeNet（預測速度最快 正確率中等）
ResNet50 （預測速度快 正確率較高）
InceptionV3（預測速度慢 正確率高）
DenseNet121（預測速度更慢 正確率最高）
"""

import os
import threading
from imageai.Prediction import ImagePrediction
from imageai.Prediction.Custom import ModelTraining
from imageai.Prediction.Custom import CustomImagePrediction

def modelPredictDemo(model_path='officeModels/resnet_model_ex-020_acc-0.651714_idenprof.h5',

                 class_path='officeModels/model_class_idenprof.json',
                 pic_dir='idenprofTestPic/',classNum=10,resNum=1,flag=True):
'''
圖像識別模型demo
''' 
right=0
if flag:
    prediction=CustomImagePrediction()  
else:
    prediction=ImagePrediction()
prediction.setModelTypeAsResNet()
prediction.setModelPath(model_path)
prediction.setJsonPath(class_path)
prediction.loadModel(num_objects=classNum)
all_files=[]
pic_list=os.listdir(pic_dir)  
for one_pic in pic_list:
    all_files.append(pic_dir+one_pic)
for one_pic in all_files:
    predictions,probabilitys=prediction.predictImage(one_pic,result_count=resNum)
    true_label=one_pic.split('/')[-1].split('.')[0].strip()
    for predict,probability in zip(predictions,probabilitys):
        print(true_label,'===>',predict, " : ", str(probability))
        if true_label.split('-')[0].strip()==predict:
            right+=1
acc=right/len(all_files)
print('Accuracy: ',acc)

if __name__=='__main__':

modelPredictDemo(model_path='officeModels/resnet_model_ex-020_acc-0.651714_idenprof.h5',
                 class_path='officeModels/model_class_idenprof.json',
                 pic_dir='idenprofTestPic/',classNum=10,resNum=1,flag=True)

      模型輸出如下：

      由於自己的PC機太次了，我沒有選擇去自己訓練模型，直接下載了官方提供的預訓練模型，隨機抽取了250張圖片數據作爲測試使用，粗略地計算了一下準確度達到了55.64%以上。

      感覺ImageAI使用起來的確是簡單了很多，但是模型的種類和靈活性反而不如自己搭建模型了，這裏更像是一個社區，自己可以貢獻自己的數據集和預訓練模型供別人使用，總之，好的東西總是會爲開發者提供便利的，記錄學習！

作者：Together_CZ
來源：CSDN
原文：https://blog.csdn.net/Together_CZ/article/details/96714163
版權聲明：本文爲博主原創文章，轉載請附上博文鏈接！