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.
