资源简介
物体检测识别python源代码,可以识别很多类物体,源码简洁
代码片段和文件信息
import os
import cv2
import time
import argparse
import multiprocessing
import numpy as np
import tensorflow as tf
from utils.app_utils import FPS WebcamVideoStream
from multiprocessing import Queue Pool
from object_detection.utils import label_map_util
from object_detection.utils import visualization_utils as vis_util
CWD_PATH = os.getcwd()
# Path to frozen detection graph. This is the actual model that is used for the object detection.
MODEL_NAME = ‘ssd_mobilenet_v1_coco_11_06_2017‘
PATH_TO_CKPT = os.path.join(CWD_PATH ‘object_detection‘ MODEL_NAME ‘frozen_inference_graph.pb‘)
# List of the strings that is used to add correct label for each box.
PATH_TO_LABELS = os.path.join(CWD_PATH ‘object_detection‘ ‘data‘ ‘mscoco_label_map.pbtxt‘)
NUM_CLASSES = 90
# Loading label map
label_map = label_map_util.load_labelmap(PATH_TO_LABELS)
categories = label_map_util.convert_label_map_to_categories(label_map max_num_classes=NUM_CLASSES
use_display_name=True)
category_index = label_map_util.create_category_index(categories)
def detect_objects(image_np sess detection_graph):
# Expand dimensions since the model expects images to have shape: [1 None None 3]
image_np_expanded = np.expand_dims(image_np axis=0)
image_tensor = detection_graph.get_tensor_by_name(‘image_tensor:0‘)
# Each box represents a part of the image where a particular object was detected.
boxes = detection_graph.get_tensor_by_name(‘detection_boxes:0‘)
# Each score represent how level of confidence for each of the objects.
# Score is shown on the result image together with the class label.
scores = detection_graph.get_tensor_by_name(‘detection_scores:0‘)
classes = detection_graph.get_tensor_by_name(‘detection_classes:0‘)
num_detections = detection_graph.get_tensor_by_name(‘num_detections:0‘)
# Actual detection.
(boxes scores classes num_detections) = sess.run(
[boxes scores classes num_detections]
feed_dict={image_tensor: image_np_expanded})
# Visualization of the results of a detection.
vis_util.visualize_boxes_and_labels_on_image_array(
image_np
np.squeeze(boxes)
np.squeeze(classes).astype(np.int32)
np.squeeze(scores)
category_index
use_normalized_coordinates=True
line_thickness=8)
return image_np
def worker(input_q output_q):
# Load a (frozen) Tensorflow model into memory.
detection_graph = tf.Graph()
with detection_graph.as_default():
od_graph_def = tf.GraphDef()
with tf.gfile.GFile(PATH_TO_CKPT ‘rb‘) as fid:
serialized_graph = fid.read()
od_graph_def.ParseFromString(serialized_graph)
tf.import_graph_def(od_graph_def name=‘‘)
sess = tf.Session(graph=detection_graph)
fps = FPS().start()
while True:
fps.update()
frame = input_q.get()
frame_rgb = cv2.cvtCo
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-02-01 16:07 ob
文件 5042 2017-10-04 13:10 ob
目录 0 2018-03-19 15:31 __MACOSX\
目录 0 2018-03-19 15:31 __MACOSX\ob
文件 212 2017-10-04 13:10 __MACOSX\ob
文件 1064 2017-10-04 13:10 ob
文件 212 2017-10-04 13:10 __MACOSX\ob
文件 958 2017-10-04 13:10 ob
文件 212 2017-10-04 13:10 __MACOSX\ob
文件 5680 2017-10-04 13:10 ob
文件 212 2017-10-04 13:10 __MACOSX\ob
文件 0 2017-10-04 13:10 ob
文件 212 2017-10-04 13:10 __MACOSX\ob
目录 0 2018-02-01 16:09 ob
文件 662 2017-10-04 13:10 ob
目录 0 2018-03-19 15:31 __MACOSX\ob
文件 212 2017-10-04 13:10 __MACOSX\ob
文件 0 2017-10-04 13:10 ob
文件 212 2017-10-04 13:10 __MACOSX\ob
目录 0 2018-02-01 16:09 ob
文件 6690 2018-02-01 16:09 ob
文件 182 2018-02-01 16:09 ob
文件 7886 2017-10-04 13:10 ob
文件 212 2017-10-04 13:10 __MACOSX\ob
文件 212 2018-02-01 16:09 __MACOSX\ob
文件 1254 2017-10-04 13:10 ob
文件 212 2017-10-04 13:10 __MACOSX\ob
文件 1061 2017-10-04 13:10 ob
文件 212 2017-10-04 13:10 __MACOSX\ob
目录 0 2018-02-01 16:09 ob
目录 0 2017-10-04 13:10 ob
............此处省略567个文件信息
相关资源
- python数据分析源代码Ivan Idris
- Python项目案例开发从入门到实战源代
- Python3.x+PyQtChart实现数据可视化界面
- 《机器学习实战》源代码Python3
- 《Python语言程序设计基础第二版PDF+课
- python编程从入门到实践的案例和动手
- Mofan莫烦python全部教程代码
- Python语言程序设计基础 第二版 pdf书籍
- python,pygame开发的太空大战源代码
- 093 2018北风网人工智能视频(完结)转
- 北京大学曹健老师-人工智能实践:
- 基于python的小游戏 含源代码
- 数据结构(Python语言描述) (英文版
- python太空大战游戏 源代码完整版
- Python项目案例开发从入门到实战源代
- 人工智能算法合集-python实现
- 《强化学习导论》第二版源代码(p
- python飞机大战源代码
- python机器学习5个数据科学家案例解析
- 性别模型库 simple_CNN.81-0.96.hdf5
- python pyqt5 计时器源代码
- SHA-3 哈希摘要算法 python 源代码及官方
- faster rcnn(python+caffe)源代码
- python语言程序设计. 梁勇. 李娜译-习题
- 利用Python进行数据分析中文第二版-
- opencv3+python人脸检测和识别- 完整实战
- 裘宗燕-数据结构与算法python描述-pp
- opencv3+python人脸检测和识别- 完整实战
- 【Python 知识图谱】(高清、超详细)
- 逻辑回归Python源代码
评论
共有 条评论