几行代码构建全功能的对象检测模型

器学习和计算机视觉已成为一种热潮。我们都看过关于自动驾驶汽车和面部识别的新闻，可能会想象建立自己的计算机视觉模型有多酷。然而，进入这个领域并不总是那幺容易，尤其是在没有很强的数学背景的情况下。如果你只想做一些小的实验，像PyTorch和TensorFlow这样的库可能会很枯燥。

在本教程中，作者提供了一种简单的方法，任何人都可以使用几行代码构建全功能的对象检测模型。更具体地说，我们将使用Detecto，这是一个在PyTorch之上构建的Python软件包，可简化该过程并向所有级别的程序员开放。

快速简单的例子



 

导入Detecto模块

2）读入图像

3）初始化预训练模型

4）在图像上生成最高预测

5）为预测绘图

绘制我们的预测

Detecto使用来自PyTorch模型动物园中的Faster R-CNN ResNet-50 FPN，它能够检测大约80种不同的物体，例如动物，车辆，厨房用具等。但是，如果你想要检测自定义对象，例如可口可乐与百事可乐罐，斑马与长颈鹿，该怎幺办呢？

这时你会发现，在自定义数据集上训练探测器模型同样简单; 同样，你只需要5行代码，以及现有的数据集或花一些时间标记图像。

构建自定义数据集

在本教程中，作者将从头开始构建自己的数据集。建议你也这样做，但是如果你想跳过这一步，你可以在这里下载一个示例数据集(从斯坦福的Dog数据集修改)。

对于我们的数据集，我们将训练我们的模型来检测来自RoboSub竞赛的水下外星人，蝙蝠和女巫，如下所示：

（编辑：柳州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!