python - 图像识别，如何开始

作为我的理学学士学位论文的一部分，我必须在视频源上利用图像识别。

我已经将openCV和Tensorflow-特别是受Inception训练的模型确定为两个选项，但是我不知道该如何进行。基本上，我需要传递一个字符串，例如“keys”，如果前5个结果之一是“keys”，则返回一个 bool(boolean) 值。

只是说，我都在线上了python类(class)，因为两者都使用python。我在Java方面也有丰富的经验，过去两年来我们一直在使用它。

请注意，我要做而不是，需要创建一个全新的图像识别系统，我需要使用一个告诉我相机所看到的内容。

另外，虽然是视频，但我认为处理实际的视频供稿会更加困难。我想到的是从30帧中选出1帧(假设有30fps的视频供稿)，然后对其进行图像识别。

提前致谢!

最佳答案

如果您阅读this tutorial，特别是“Python API的使用”一节，则您的项目应该相当简单。在此代码块中，由classify_image.py产生的前N个结果被转换为可读文本here:

top_k = predictions.argsort()[-FLAGS.num_top_predictions:][::-1]
for node_id in top_k:
    human_string = node_lookup.id_to_string(node_id)
    score = predictions[node_id]
    print('%s (score = %.5f)' % (human_string, score))

对于您的示例，您想要将FLAGS.num_top_predictions设置为5，并且想要将前5个human_string值累加为:

top_k_strings = []
top_k = predictions.argsort()[-FLAGS.num_top_predictions:][::-1]
for node_id in top_k:
    human_string = node_lookup.id_to_string(node_id)
    top_k_strings.append(human_string)
    score = predictions[node_id]
    print('%s (score = %.5f)' % (human_string, score))

最后，您可以检查“keys”是否是imagenet生成的前5个字符串之一，然后将 bool(boolean) 值传回

return "keys" in top_k_strings

另外，如果您对人类可读类别的完整列表感兴趣，则可以找到它们here

对于视频，您可能是正确的，您必须对视频序列进行二次采样才能跟上帧速率。一些实验和时序测试将使您对所需的子采样率有所了解。

祝好运!

关于python - 图像识别，如何开始，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40311268/