客户案例
礼品包裹
小礼品代发平台
淘宝礼品单平台
淘宝礼品网

亲测好用!Google发布了一个新的Tensorflow物体识别API

时间:2017-08-31 来源:51MYCMS




礼品单_礼品网_礼品网站_礼品网大全

淘宝天猫,京东,拼多多,1688,抖音真实礼品代发,全国低至1.4元/单起,真实发货,真实签收,支持批量下单,批量点发货,当天发货当天出物流,安全稳定。联系电话:18457923343,QQ:274982735 代发礼品网站,小礼品代发网,礼品代发系统,代发真实礼品,礼品包裹,礼品代发网站,代发礼品单,淘宝代发快递,礼品单代发,礼品代发平台,代发真实包裹,小礼品代发平台,淘宝礼品单平台,淘宝礼品网,淘宝礼品代发,ab单礼品网,ab礼品网,代发小礼品,ab单代发,快递代发平台,代发抽纸,礼品网大全,代发货平台,礼品包,礼品网,礼品网站,礼品快递,代发网,礼品单,代发快递,代发礼品,包裹代发,真实快递代发,礼品代发网,快递代发,代发平台,代发网站,快递代发货,礼品代发,发礼品,小礼品代发,代发纸巾,礼品单平台,代发实物,礼品包网站,小礼品网,快递代发,礼品网,礼品代发网可靠吗,真包裹网礼品代发,礼品网代发,靠谱的礼品代发平台申通,礼品包裹代发,菜鸟礼品代发网,礼品代发加盟,礼品代发总站,电商礼品代发,代发礼品包,小礼品代发网站,礼品快递包裹,快递礼品单,礼品单发货,真实礼品单,礼品补单平台,礼品单什么意思,拼多多礼品单平台,礼品包快递,礼品包异地发货,礼品采购网站,礼品网站有哪些,淘宝网小礼品,拼多多礼品网,代发礼品网,邮政礼品代发,淘客礼品代发,礼品快递代发,快递礼品包代发,真实礼品代发平台,电商礼品代发网,代发小礼品网站,义乌礼品单代发,礼品代发网加盟,真实包裹礼品代发,礼品代发义乌仓,礼品物流单,拼多多礼品单,礼品单 网站,礼品补单,礼品单网站,淘宝补单礼品,礼品包单号网,小礼品网站,快递礼品网,真实礼品网,礼品网 拼多多,发礼品网,菜鸟礼品网,代发ab礼品,礼品代发网站加盟,淘宝小礼品代发,礼品包代发,礼品单快递,礼品单号,ab单礼物,快递礼品包,礼品快递网,礼品单号网,小礼品网大全,礼品网代理,礼品网总站,补单代发货,补单发货,补单礼品代发,补单发小礼品,补单礼品包,补单发快递,电商补单,天猫补单,淘宝补单,拼多多补单,京东补单,抖音快递单号,京东无界面单

做图像识别有很多不同的途径。谷歌最近发布了一个使用Tensorflow的物体识别API,让计算机视觉在各方面都更进了一步。  

这篇文章将带你测试这个新的API,并且把它应用在youtube上(可以在GitHub上获取用到的全部代码,链接),结果如下:

亲测好用!Google发布了一个新的Tensorflow物体识别API

API概述

这个API是用COCO(文本中的常见物体)数据集(http://mscoco.org/)训练出来的。这是一个大约有30万张图像、90种最常见物体的数据集。物体的样本包括:

亲测好用!Google发布了一个新的Tensorflow物体识别API

COCO数据集的一些物体种类

这个API提供了5种不同的模型,使用者可以通过设置不同检测边界范围来平衡运行速度和准确率。

亲测好用!Google发布了一个新的Tensorflow物体识别API上图中的mAP(平均精度)是检测边界框的准确率和回召率的乘积。这是一个很好的混合测度,在评价模型对目标物体的敏锐度和它是否能很好的避免虚假目标中非常好用。mAP值越高,模型的准确度越高,但运行速度会相应下降。

(想要了解更多跟模型有关的知识:链接

实测时间

我决定使用最轻量级的模型(ssd_mobilenet)。主要步骤如下:

1. 下载一个打包模型(.pb-protobuf)并把它载入缓存

2. 使用内置的辅助代码来载入标签,类别,可视化工具等等。

3. 建立一个新的会话,在图片上运行模型。

总体来说步骤非常简单。而且这个API文档还提供了一些能运行这些主要步骤的Jupyter文档——链接

这个模型在实例图像上表现得相当出色(如下图):

亲测好用!Google发布了一个新的Tensorflow物体识别API

亲测好用!Google发布了一个新的Tensorflow物体识别API

更进一步——在视频上运行上

接下来我打算在视频上尝试这个API。我使用了Python moviepy库,主要步骤如下:

  • 首先,使用VideoFileClip函数从视频中提取图像;

  • 然后使用fl_image函数在视频中提取图像,并在上面应用物体识别API。fl_image是一个很有用的函数,可以提取图像并把它替换为修改后的图像。通过这个函数就可以实现在每个视频上提取图像并应用物体识别;

  • 最后,把所有处理过的图像片段合并成一个新视频。

对于3-4秒的片段,这个程序需要花费大概1分钟的时间来运行。但鉴于我们使用的是一个载入缓存的模型,而且没有使用GPU,我们实现的效果还是很惊艳的!很难相信只用这么一点代码,就可以以很高的准确率检测并且在很多常见物体上画出边界框。

当然,我们还是能看到有一些表现有待提升。比如下面的例子。这个视频里的鸟完全没有被检测出来。

亲测好用!Google发布了一个新的Tensorflow物体识别API

再进一步,继续探索

几个进一步探索这个API的想法:

  • 尝试一些准确率更高但成本也更高的模型,看看他们有什么不同;

  • 寻找加速这个API的方法,这样它就可以被用于车载装置上进行实时物体检测;

  • 谷歌也提供了一些技能来应用这些模型进行传递学习。例如,载入打包模型后添加一个带有不同图像类别的输出层。

转载36氪:http://36kr.com/p/5090812.html