1. 产品
  2.   图片
  3.   Python
  4.   ImageAI
 
  

通过免费 Python API 创建高级 AI 产品

开源 Python API 用于开发具有自包含深度学习和计算机视觉功能的应用程序和系统。

ImageAI 是一个简单但非常强大且先进的开源 Python 库，它使软件开发人员能够开发具有自包含深度学习和计算机视觉功能的应用程序和软件实用程序。该库包含与图像识别、对象检测、视频中的对象检测、训练自定义识别模型、视频和摄像头馈送分析以及使用模型识别对象相关的几个高级功能。

该库易于使用，使软件程序员只需几行 Python 代码即可轻松地将高级人工智能功能集成到他们的应用程序和系统中。还有其他库也可以为您提供与 AI 相关的功能，例如 Tensor Flow、OpenCV 和 Keras，但这需要您编写大量代码。另一方面，使用 ImageAI 需要几行代码来实现它。

免费的开源 ImageAI 库非常受欢迎，受到全球学生、研究人员、开发人员和专家的喜爱，可以轻松轻松地制作先进的人工智能产品和解决方案

Previous Next

ImageAI 入门

建议通过pip安装ImageAI，请运行以下python安装命令。

通过 pip 安装 ImageAI

pip3 install imageai --upgrade

通过 Python API 进行图像预测

开源 ImageAI 库使软件开发人员只需几行代码即可将图像预测功能添加到他们自己的 Python 应用程序中。该库包含 4 种不同的算法和模型类型来执行图像预测，例如 SqueezeNet、ResNet、InceptionV3 和 DenseNet。请记住，这些算法中的每一个都有单独的模型文件，用户需要根据算法的选择使用这些文件。该库还为所有图像预测任务提供预测速度，例如默认情况下的正常、快速、更快和最快。

通过Python进行图像预测

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)

Python应用中的图像对象检测

对象检测是一项了不起的计算机视觉技术，它使软件开发人员能够识别和定位图像或视频中的对象。 ImageAI 库包含非常有用的方法来完成图像上的对象检测并从图像中提取每个对象。它提供了对 RetinaNet、YOLOv3 和 TinyYOLOv3 的支持，并提供了实现高性能和实时处理的选项。

通过 Python 进行视频对象检测

与图像中的对象检测一样，ImageAI 库提供了一种非常强大且简单的方法，用于使用 python 命令检测和跟踪视频中的对象。对于流畅的视频对象检测，您需要下载 RetinaNet、YOLOv3 或 TinyYOLOv3 对象检测模型。目标检测模型文件下载成功后，请将模型文件复制到项目文件夹中，将保存.py文件。由于视频对象检测是一项非常详尽的任务，因此建议使用配备 NVIDIA GPU 和 GPU 版本的 Tensorflow 的计算机。

通过 Python 进行视频对象检测

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)

使用自定义模型训练工具

开源 ImageAI 库使软件开发人员能够轻松地训练自定义图像预测模型。它允许开发人员在对应于任何类型对象的任何图像集上训练自己的模型。训练程序将创建一个 JSON 文件，该文件将映射图像数据集中的对象类型并创建大量模型。之后工作很简单，您需要选择精度最高的模型并执行自定义图像预测。

应用习惯模式培训

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)
 中国人