Tạo các sản phẩm AI nâng cao thông qua API Python miễn phí

Bắt đầu với ImageAI

Bạn nên cài đặt ImageAI qua pip, vui lòng chạy các lệnh cài đặt python sau.

pip3 install imageai --upgrade

Dự đoán hình ảnh qua API Python

Thư viện ImageAI mã nguồn mở cho phép các nhà phát triển phần mềm thêm khả năng Dự đoán Hình ảnh vào các ứng dụng python của riêng họ chỉ với một vài dòng mã. Thư viện đã bao gồm 4 thuật toán và kiểu mô hình khác nhau để thực hiện dự đoán hình ảnh, chẳng hạn như SqueezeNet, ResNet, InceptionV3 và DenseNet. Hãy nhớ rằng mỗi thuật toán này có các tệp mô hình riêng biệt mà người dùng cần sử dụng tùy thuộc vào sự lựa chọn của thuật toán. Thư viện cũng cung cấp tốc độ dự đoán cho tất cả các tác vụ dự đoán hình ảnh như bình thường theo mặc định, nhanh hơn, nhanh hơn và nhanh nhất.

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)

Phát hiện đối tượng hình ảnh trong ứng dụng Python

Phát hiện đối tượng là một kỹ thuật thị giác máy tính tuyệt vời cung cấp cho các nhà phát triển phần mềm khả năng xác định và định vị các đối tượng trong hình ảnh hoặc bên trong video. Thư viện ImageAI đã bao gồm các phương pháp rất hữu ích để thực hiện việc phát hiện đối tượng trên ảnh và trích xuất từng đối tượng từ ảnh. Nó đã cung cấp hỗ trợ cho RetinaNet, YOLOv3 và TinyYOLOv3, với các tùy chọn để đạt được hiệu suất cao và xử lý thời gian thực.

Phát hiện đối tượng video qua Python

Tương tự như Phát hiện đối tượng bên trong hình ảnh, thư viện ImageAI đã cung cấp một phương pháp rất mạnh mẽ và dễ dàng để phát hiện và theo dõi các đối tượng bên trong video bằng cách sử dụng lệnh python. Để phát hiện đối tượng video mượt mà, bạn cần tải xuống mô hình phát hiện đối tượng RetinaNet, YOLOv3 hoặc TinyYOLOv3. Sau khi tải xuống thành công tệp mô hình phát hiện đối tượng, vui lòng sao chép tệp mô hình vào thư mục dự án nơi các tệp .py sẽ được lưu. Vì phát hiện đối tượng video là một nhiệm vụ rất khó khăn, nên bạn nên sử dụng máy tính có GPU NVIDIA và phiên bản GPU Tensorflow.

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)

Sử dụng cơ sở đào tạo mô hình tùy chỉnh

Thư viện ImageAI mã nguồn mở cho phép các nhà phát triển phần mềm đào tạo các mô hình dự đoán hình ảnh tùy chỉnh một cách dễ dàng. Nó cho phép các nhà phát triển đào tạo mô hình của riêng họ trên bất kỳ tập hợp hình ảnh nào tương ứng với bất kỳ loại đối tượng nào. Một tệp JSON sẽ được tạo ra bởi các thủ tục đào tạo sẽ ánh xạ các loại đối tượng trong tập dữ liệu hình ảnh và tạo ra rất nhiều mô hình. Sau đó, công việc trở nên dễ dàng, bạn cần chọn mô hình có độ chính xác cao nhất và thực hiện dự đoán hình ảnh tùy chỉnh.

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)