निःशुल्क पायथन एपीआई के माध्यम से उन्नत एआई उत्पाद बनाएं

ImageAI के साथ शुरुआत करना

यह अनुशंसा की जाती है कि pip के माध्यम से ImageAI, स्थापित करें, कृपया निम्नलिखित पायथन इंस्टॉलेशन कमांड चलाएँ।

pip3 install imageai --upgrade

पायथन एपीआई के माध्यम से छवि भविष्यवाणी

ओपन सोर्स इमेजएआई लाइब्रेरी सॉफ्टवेयर डेवलपर्स को कोड की कुछ पंक्तियों के साथ अपने स्वयं के पायथन अनुप्रयोगों में छवि भविष्यवाणी क्षमताओं को जोड़ने में सक्षम बनाती है। लाइब्रेरी में छवि भविष्यवाणी करने के लिए 4 अलग-अलग एल्गोरिदम और मॉडल प्रकार शामिल हैं, जैसे कि स्क्वीज़नेट, रेसनेट, इंसेप्शन वी 3 और डेंसनेट। कृपया याद रखें कि इनमें से प्रत्येक एल्गोरिदम में अलग-अलग मॉडल फाइलें होती हैं जिन्हें उपयोगकर्ताओं को एल्गोरिदम की पसंद के आधार पर उपयोग करने की आवश्यकता होती है। पुस्तकालय सभी छवि भविष्यवाणी कार्यों के लिए भविष्यवाणी गति भी प्रदान करता है जैसे कि डिफ़ॉल्ट रूप से सामान्य, तेज, तेज और सबसे तेज।

from imageai.Classification import ImageClassification
import os
execution_path = os.getcwd()
prediction = ImageClassification()
prediction.setModelTypeAsResNet50()
prediction.setModelPath(os.path.join(execution_path, "resnet50_imagenet_tf.2.0.h5"))
prediction.loadModel()
predictions, probabilities = prediction.classifyImage(os.path.join(execution_path, "1.jpg"), result_count=5 )
for eachPrediction, eachProbability in zip(predictions, probabilities):
    print(eachPrediction , " : " , eachProbability)

पायथन ऐप्स में इमेज ऑब्जेक्ट डिटेक्शन

ऑब्जेक्ट डिटेक्शन एक अद्भुत कंप्यूटर विज़न तकनीक है जो सॉफ्टवेयर डेवलपर्स को किसी छवि या वीडियो के अंदर वस्तुओं को पहचानने और खोजने की क्षमता देती है। इमेजएआई लाइब्रेरी में इमेज पर ऑब्जेक्ट डिटेक्शन को पूरा करने और इमेज से प्रत्येक ऑब्जेक्ट को निकालने के लिए बहुत उपयोगी तरीके शामिल हैं। इसने उच्च प्रदर्शन और रीयल-टाइम प्रोसेसिंग प्राप्त करने के विकल्पों के साथ रेटिनानेट, YOLOv3, और TinyYOLOv3 के लिए समर्थन प्रदान किया है।

पायथन के माध्यम से वीडियो ऑब्जेक्ट डिटेक्शन

इमेज के अंदर ऑब्जेक्ट डिटेक्शन की तरह ही इमेजएआई लाइब्रेरी ने पाइथन कमांड का उपयोग करके वीडियो के अंदर ऑब्जेक्ट्स का पता लगाने और ट्रैक करने के लिए एक बहुत ही शक्तिशाली और आसान तरीका प्रदान किया है। सुचारू वीडियो ऑब्जेक्ट डिटेक्शन के लिए, आपको रेटिनानेट, YOLOv3, या TinyYOLOv3 ऑब्जेक्ट डिटेक्शन मॉडल डाउनलोड करना होगा। ऑब्जेक्ट डिटेक्शन मॉडल फ़ाइल को सफलतापूर्वक डाउनलोड करने के बाद, कृपया मॉडल फ़ाइल को प्रोजेक्ट फ़ोल्डर में कॉपी करें जहां .py फ़ाइलें सहेजी जाएंगी। चूंकि वीडियो ऑब्जेक्ट डिटेक्शन एक बहुत ही संपूर्ण कार्य है, इसलिए NVIDIA GPU और Tensorflow के GPU संस्करण वाले कंप्यूटर का उपयोग करने की सलाह दी जाती है।

from imageai.Detection.Custom import CustomVideoObjectDetection
import os
import cv2
execution_path = os.getcwd()
camera = cv2.VideoCapture(0)
video_detector = CustomVideoObjectDetection()
video_detector.setModelTypeAsYOLOv3()
video_detector.setModelPath("hololens-ex-60--loss-2.76.h5")
video_detector.setJsonPath("detection_config.json")
video_detector.loadModel()
video_detector.detectObjectsFromVideo(camera_input=camera,
                                          output_file_path=os.path.join(execution_path, "holo1-detected3"),
                                          frames_per_second=20,
                                          minimum_percentage_probability=40,
                                          log_progress=True)

कस्टम मॉडल प्रशिक्षण सुविधा का उपयोग करें

ओपन सोर्स इमेजएआई लाइब्रेरी सॉफ्टवेयर डेवलपर्स को कस्टम इमेज प्रेडिक्शन मॉडल को आसानी से प्रशिक्षित करने में सक्षम बनाती है। यह डेवलपर्स को किसी भी प्रकार की वस्तु से मेल खाने वाली छवियों के किसी भी सेट पर अपने स्वयं के मॉडल को प्रशिक्षित करने की अनुमति देता है। प्रशिक्षण प्रक्रियाओं द्वारा एक JSON फ़ाइल बनाई जाएगी जो छवि डेटासेट में ऑब्जेक्ट प्रकारों को मैप करेगी और बहुत सारे मॉडल बनाएगी। उसके बाद काम आसान है आपको उच्चतम सटीकता के साथ मॉडल चुनने और एक कस्टम छवि भविष्यवाणी करने की आवश्यकता है।

from imageai.Classification.Custom import ClassificationModelTrainer
model_trainer = ClassificationModelTrainer()
model_trainer.setModelTypeAsResNet50()
model_trainer.setDataDirectory("pets")
model_trainer.trainModel(num_objects=4, num_experiments=100, enhance_data=True, batch_size=32, show_network_summary=True)