Краткое содержание:
В этой статье я объясню, как создать простую классификацию изображений на Raspberry Pi, используя предварительно обученную модель VGG16. Весь код находится здесь.
Обратите внимание, прежде чем начать:
Итак, начнем :)
Подготовка оборудования:
Подготовка программного обеспечения:
1 Создайте файл image_classify.py со следующим кодом:
В этом примере я буду использовать предтренировочную модель VGG16, но вы можете попробовать использовать любую предтренировочную модель.
#import modules from keras.applications.vgg16 import VGG16 from keras.preprocessing import image from keras.applications.vgg16 import preprocess_input, decode_predictions import numpy as np #load imgenet vgg16 model model = VGG16(weights='imagenet') #load image and change size to 224*224 img_path = 'demo.jpg' img = image.load_img(img_path, target_size=(224, 224)) #convert image to array x = image.img_to_array(img) x = np.expand_dims(x, axis=0) x = preprocess_input(x) #predict class for image preds = model.predict(x) print('Result:', decode_predictions(preds, top=1)[0])
2 запустить скрипт для распознавания изображения
python3 image_classify.py
3 Вы должны увидеть что-то подобное
И этот результат абсолютно верный :)
Результат:
В этой статье мы создали простую классификацию изображений на Raspberry Pi, используя предварительно обученную модель VGG16. Весь код находится здесь.