[PYTHON] J'ai essayé la reconnaissance d'image simple avec Jupyter

Aperçu

https://qiita.com/uz29/items/ec854106355bf783e316 Depuis que la préparation s'est terminée la dernière fois, j'ai d'abord créé un programme de discrimination d'image en utilisant le modèle d'apprentissage existant VGG16.

Importation de bibliothèque et importation de modèle

Le modèle sera téléchargé pour la première fois.

import glob
import pprint
import numpy as np
import tensorflow as tf
from PIL import Image

model = tf.keras.applications.vgg16.VGG16(weights='imagenet')

Script de prédiction

Je voulais prédire toutes les images du dossier à la fois, j'ai donc utilisé glob pour obtenir une liste de chemins et créer un tableau de chaque image. Il semble que la prédiction puisse traiter plusieurs images en même temps en appelant une fois une fonction.

#Prédire toutes les photos d'un dossier
file_list = glob.glob("./images/*")

pil = []
imgs = []
for path in file_list:
    #Chargement d'image
    img_pil = tf.keras.preprocessing.image.load_img(path, target_size=(224, 224))
    pil.append(img_pil)
    #Convertir des images en tableaux
    img = tf.keras.preprocessing.image.img_to_array(img_pil)
    #Convertir en un tableau à 4 dimensions
    imgs.append(img)
imgs = np.stack(imgs, 0)

#Prétraitement
img_p = tf.keras.applications.vgg16.preprocess_input(imgs)
#Prévoir
predict = model.predict(img_p)
result = tf.keras.applications.vgg16.decode_predictions(predict, top=5)

Voir les résultats

Les résultats de la prédiction peuvent être vus ci-dessous.

pprint.pprint(result[0])
plt.imshow(pil[0])

[('n02124075', 'Egyptian_cat', 0.42277277), ('n02123159', 'tiger_cat', 0.18187998), ('n02123045', 'tabby', 0.12070633), ('n02883205', 'bow_tie', 0.0892005), ('n02127052', 'lynx', 0.024664408)]

pprint.pprint(result[1])
plt.imshow(pil[1])

[('n02119789', 'kit_fox', 0.6857688), ('n02119022', 'red_fox', 0.24295172), ('n02120505', 'grey_fox', 0.065218925), ('n02114855', 'coyote', 0.004371826), ('n02115913', 'dhole', 0.00046840237)]

pprint.pprint(result[2])
plt.imshow(pil[2])

[('n02138441', 'meerkat', 0.9073721), ('n02137549', 'mongoose', 0.092063464), ('n02447366', 'badger', 0.00037895824), ('n02361337', 'marmot', 8.514335e-05), ('n02441942', 'weasel', 2.4436611e-05)]

Les espèces d'animaux subtiles ne sont pas incluses dans la VGG16 et peuvent différer, mais elles renvoient généralement l'espèce exacte. À l'avenir, j'aimerais créer mon propre modèle d'apprentissage et faire des prédictions.