使用GluonCV运行目标检测模型

GluonCV是分布式机器学习社区(DMLC)发布的深度学习计算机视觉工具箱,提供了计算机视觉顶级的算法实现与基本运算(另外一个是天然语言处理工具箱GluonNLP).

GluonCV简单易用,有不少训练好的模型,经过一行代码就能够下载使用,很是方便.

因为GluonCV是基于MXNet,因此,要先安装MXNet:

pip install mxnet

而后,再安装GluonCV:

pip install gluoncv

GluonCV包含了分类、检测、语义分割等多种计算机视觉应用的模型.下面,以目标检测Faster-RCNN模型为例,说明怎样下载并调用GluonCV的模型.

定义网络:

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

其中,'faster_rcnn_resnet50_v1b_voc'为模型名称,pretrained=True表示使用预训练的模型,也就是直接下载GluonCV已经训练好的模型.若是已经下载了,就直接使用,不会再次下载.

定义用到的图片:

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

对图片进行处理:

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

使用网络进行推理:

box_ids, scores, bboxes = net(x)

绘制推理结果:

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

运行结果:

更多资料,能够参考https://gluon-cv.mxnet.io/contents.html.