首页 > 脚本专栏 > python > Python AI物体识别

基于Python实现一个AI物体识别

2024-11-04 08:31:56 作者：志字辈小蚂蚁

计算机视觉是其中的一大领域 ,应用场景也比较多,这篇文章主要为大家详细介绍了如何基于Python实现一个AI物体识别功能,需要的小伙伴可以了解下

一. 前言

近期在研究 AI 方面的应用，计算机视觉是其中的一大领域，应用场景也比较多。

这一篇主要尝试弄清楚 : 一个 AI 视觉识别的功能点，涉及到哪些知识？

二. 处理流程

2.1 前置知识点

在实现这个功能之前，先要明白几个前置知识点：

Python 层面需要的工具：

组件工具	功能描述	作用
opencv-python	一个开源计算机视觉库，提供图像和视频处理功能。	用于加载、处理和显示图像，进行图像预处理，如缩放、裁剪和绘制。
tensorflow	一个开源机器学习框架，支持深度学习模型的构建和训练。	用于构建和训练物体识别模型，提供高层次的 API 和模型管理功能。
torch	一个开源深度学习框架，以动态计算图著称，适合研究和生产。	提供强大的张量计算功能，支持深度学习模型的训练和推理。
torchvision	PyTorch 的视觉工具包，提供常用的数据集、模型和图像变换。	用于加载标准数据集（如 COCO），并提供预训练模型和图像预处理工具。

OpenCV 在前几篇就有介绍，它作为计算机视觉库，提供了很多图形处理的功能。
下面3个主要是 AI 领域的组件，用于使用 AI 的各项能力

模型和模型的选择

我们在识别物体的过程中，图片中的物体到底是什么，这是需要一个知识库来帮助给出答案的。而模型就是那个知识库。

模型是指一个数学表示或计算框架，旨在从输入数据中学习模式和规律，并进行预测或分类

一个模型的生成包括：数据收集，数据预处理，数据建模，模型训练，模型评估，模型测试及最终使用

关于模型的生成，不在本篇的讨论中，展示也不会这一块。这一篇主要专注于使用。

常用的物体识别模型 ：

模型	作用说明	适合的场景
YOLO	实时物体检测模型，通过全卷积网络实现快速检测，适合大规模应用。	监控、自动驾驶、机器人视觉
SSD	单次检测器，结合不同尺度的特征图进行物体检测，速度快且准确。	移动设备、实时视频分析
Faster R-CNN	采用区域提议网络（RPN）和深度卷积网络，实现高精度的物体检测。	需要高精度的任务，如医学影像分析
Mask R-CNN	在 Faster R-CNN 基础上增加实例分割功能，能同时进行物体检测和分割。	图像编辑、自动标注
RetinaNet	使用焦点损失（Focal Loss）处理类别不平衡问题，适合小物体检测。	复杂背景中的物体检测
EfficientDet	结合高效模型架构与多尺度特征融合，资源有限的环境下表现出色。	嵌入式系统、移动设备
CenterNet	基于中心点检测的框架，简单高效，适合实时检测。	需要实时性的物体检测应用

而本片主要使用的是 YOLO。

模型的使用

模型的使用有两种方式：

一种是基于模型 + torch 的使用方式，也是最常规的用法
一种是基于封装的工具，实现快速的调用

2.2 模型的使用方式一

S1 : 下载 YoLo 模型

官方地址：yolov5

pip install ultralytics

S2 : 编写使用模型逻辑

from ultralytics import YOLO
import cv2
import matplotlib.pyplot as plt

# 加载 YOLOv5 或 YOLOv8 模型
model = YOLO('yolov5s.pt')  # 或使用 'yolov8.pt'

# 读取图像
image_path = 'C:\\Users\\Desktop\\test666.JPG'
image = cv2.imread(image_path)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # 转换为 RGB 格式

# 进行物体识别
results = model.predict(source=image)

# 可视化结果
# 使用 cv2 绘制边界框
for result in results:
    boxes = result.boxes.xyxy  # 获取边界框信息
    scores = result.boxes.conf  # 获取置信度
    classes = result.boxes.cls  # 获取类别索引

    for i in range(len(boxes)):
        box = boxes[i]
        score = scores[i]
        cls = classes[i]

        x1, y1, x2, y2 = box.numpy()  # 转换为 numpy 数组
        label = f"{model.names[int(cls)]} {score:.2f}"

        # 绘制边界框
        cv2.rectangle(image, (int(x1), int(y1)), (int(x2), int(y2)), (255, 0, 0), 2)
        cv2.putText(image, label, (int(x1), int(y1) - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)

# 使用 matplotlib 显示图像
plt.imshow(image)
plt.axis('off')  # 不显示坐标轴
plt.show()

S3 : 测试

2.2 模型的使用方式二

第二种方式更简单，例如 Ultralytics 就提供了一整套组件可以开箱即用。

S1 : Python 安装 ultralytics

pip install ultralytics

S2 : 对物体进行识别

from ultralytics import YOLO
import cv2
import matplotlib.pyplot as plt

# 加载 YOLOv5 或 YOLOv8 模型
model = YOLO('yolov5s.pt')  # 或使用 'yolov8.pt'

# 读取图像
image_path = 'C:\\Users\\Desktop\\test666.JPG'
image = cv2.imread(image_path)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # 转换为 RGB 格式

# 进行物体识别
results = model.predict(source=image)

# 可视化结果
# 使用 cv2 绘制边界框
for result in results:
    boxes = result.boxes.xyxy  # 获取边界框信息
    scores = result.boxes.conf  # 获取置信度
    classes = result.boxes.cls  # 获取类别索引

    for i in range(len(boxes)):
        box = boxes[i]
        score = scores[i]
        cls = classes[i]

        x1, y1, x2, y2 = box.numpy()  # 转换为 numpy 数组
        label = f"{model.names[int(cls)]} {score:.2f}"

        # 绘制边界框
        cv2.rectangle(image, (int(x1), int(y1)), (int(x2), int(y2)), (255, 0, 0), 2)
        cv2.putText(image, label, (int(x1), int(y1) - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)

# 使用 matplotlib 显示图像
plt.imshow(image)
plt.axis('off')  # 不显示坐标轴
plt.show()

执行模型的时候，会自动从远程下载模型

Downloading https://github.com/ultralytics/assets/releases/download/v8.3.0/yolov5su.pt to 'yolov5su.pt'...

三. 扩展和发展

一般没有特殊的要求，大部分情况下，我们会选择框架直接使用。下面主要来介绍一下 ultralytics 的 API

加载模型：

YOLO(model): 用于加载 YOLO 模型，可以是本地路径或在线模型名称。
predict(source): 对给定的图像、视频或文件夹进行物体检测。

结果处理 :

results.print(): 打印检测结果，包括类别和置信度。
results.xyxy: 返回检测到的边界框，格式为 (x1, y1, x2, y2, confidence, class)。
results.show(): 显示带有检测框的图像。
results.save(save_dir): 将带有检测框的图像保存到指定目录。

其他的更复杂的：

针对初始模型，还可以通过数据集和训练来适配更复杂的场景：

train(): 训练模型，支持自定义数据集。
val(): 验证模型性能，通常在训练后进行。
Dataset(): 用于处理数据集，支持常见的数据格式。
create_dataloader(): 创建数据加载器，方便批量处理数据。

总结一下

基本上使用起来贼简单，简单照着文档操作一下就能实现。

但是： 生成级使用不会这么简单，模型相当于一个通用的数据集，它只能适配常见的需求。

以上就是基于Python实现一个AI物体识别的详细内容，更多关于Python AI物体识别的资料请关注脚本之家其它相关文章！