[AIGC] AI图像识别初体验，原来图像识别这么“简单”！

前言

在之前，我们已经学过利用AI进行跨境电商分析，虚拟客服和情感分析！

今天，我们就来学习如何利用AI进行图像识别！

正文

必备工具

1. Google账户

2. Colab网站：colab.research.google.com/

3. 能正常访问以上网站的途径:魔法

4. AI应用

   • transformers模型

     transformers 是一个由Hugging Face公司开发的开源库，用于在自然语言处理（NLP）任务中使用预训练的语言模型。该库提供了一系列预训练的模型，包括了许多流行的模型，如BERT、GPT、RoBERTa等。

   • pipelines派发任务

     在Hugging Face的transformers库中，Pipeline是一个方便的工具，用于简化自然语言处理任务的执行。Pipeline提供了一个高级接口，允许你使用一行代码执行各种NLP任务，而无需深入了解底层的模型和处理步骤。

     使用Pipeline时，你只需要指定所需任务的名称，然后传递输入文本。Pipeline会自动加载适当的预训练模型、分词器和后处理步骤，使整个过程变得非常简单。

   • "google/owlvit-base-patch32" 图像识别模型

   • PIL图像识别库

安装transformers模型

!pip install transformers

这样就安装成功啦！

用pipelin下发任务,导入NLP字典

# transformers pipeline 哪些任务？
from transformers.pipelines import SUPPORTED_TASKS
SUPPORTED_TASKS

在 transformers 库中，SUPPORTED_TASKS 是一个包含各种NLP任务及其相关信息的字典。这个字典列出了当前版本的 transformers 支持的不同任务，以及用于执行这些任务的 pipeline 类。

如果我们得到!

就成功啦！

SUPPORTED_TASKS.items() 返回一个包含字典中所有键值对的视图对象，它是一个可迭代对象。在这个特定的情境下，打印 SUPPORTED_TASKS.items() 会输出字典中所有任务及其相关信息的键值对。

接下来我们打印一下：

print(SUPPORTED_TASKS.items()) # dict 字典 O(1)

我们再来解构 SUPPORTED_TASKS 字典的键值对，将键（任务名称）打印出来。

输入下述代码

# es6 解构
for k, v in   SUPPORTED_TASKS.items():
  print(k)

输出：

我们再导入一下pipline下发任务

from transformers import pipeline

我们再安装一下图片识别模型

我们输入这段代码:

checkpoint = "google/owlvit-base-patch32"# 图片识别模型
detector = pipeline('zero-shot-object-detection', model=checkpoint)

当我们看到这样的界面就说明安装成功咯!

导入我们要识别的图片

import requests #python的http 请求库
from PIL import Image # PIL python 图片的专业库

url = "https://unsplash.com/photos/oj0zeY2Ltk4/download?ixid=MnwxMjA3fDB8MXxzZWFyY2h8MTR8fHBpY25pY3xlbnwwfHx8fDE2Nzc0OTE1NDk&force=true&w=640"
# 人生苦短， 我用python
# requests.get
img = Image.open(requests.get(url, stream=True).raw)
img

我们在运行这段代码之后能看到这样一个图，说明运行成功啦！

接下来，我们给AI下发识别目标

输入下面这段代码:

predictions = detector(
    img,
    #候选的对象
    candidate_labels= ["hat", "sunglasses", "book"]
)
predictions

我们得到的是一个这样的结果：

这段输出有何含义呢？

这个输出是零样本目标检测的结果，其中包含了检测到的对象及其相关信息。每个元素都是一个字典，代表一个检测到的对象。

1. 'score'：
   • 表示检测到的对象的得分，范围通常在 0 到 1 之间。得分越高表示算法认为该对象存在的可能性越大。
2. 'label'：
   • 表示检测到的对象的标签或类别，例如 "sunglasses" 表示太阳镜，"book" 表示书，"hat" 表示帽子。
3. 'box'：
   • 是一个包含对象边界框（bounding box）信息的字典，包括了边界框的四个坐标值。
     • 'xmin'：边界框左上角的 x 坐标。
     • 'ymin'：边界框左上角的 y 坐标。
     • 'xmax'：边界框右下角的 x 坐标。
     • 'ymax'：边界框右下角的 y 坐标。

这样，针对输出中的每个元素，我们可以获取对象的得分、标签以及边界框的坐标信息。

例如：

• 对于第一个对象（太阳镜）：
  • 得分 ('score') 为 0.22562021017074585。
  • 标签 ('label') 为 'sunglasses'。
  • 边界框 ('box') 的坐标信息为 {'xmin': 349, 'ymin': 228, 'xmax': 429, 'ymax': 265}。

类似地，你可以通过遍历输出的每个元素来获取所有检测到的对象的信息。

最后：识别图像

好啦，到了这一步我们就可以根据我们上面得到的字典进行图像识别了！我们输入这样一段代码：

from PIL import ImageDraw # PIL是python图片库 写模块
draw = ImageDraw.Draw(img)

for prediction in predictions:
  box = prediction["box"]
  label = prediction["label"]
  score = prediction["score"]
  xmin, ymin, xmax, ymax = box.values() # 解构
  draw.rectangle((xmin, ymin, xmax, ymax),outline="red",width=1)
  draw.text((xmin,ymin), f"{label}: {round(score, 2)}", fill="red")

img

那么这段代码有何含义呢？

这段使用 Python Imaging Library（PIL）中的 ImageDraw 模块，为图像上的每个目标检测结果绘制边界框和标签。

pythonCopy codefrom PIL import ImageDraw

draw = ImageDraw.Draw(img)

• 首先，导入了 ImageDraw 类从PIL库中，并使用 ImageDraw.Draw 函数创建了一个用于在图像上绘图的对象 draw。

pythonCopy codefor prediction in predictions:
    box = prediction["box"]
    label = prediction["label"]
    score = prediction["score"]
    xmin, ymin, xmax, ymax = box.values()  # 解构

• 然后，通过遍历 predictions，其中每个元素代表一个目标检测结果，获取了每个检测结果的边界框坐标 (box)、标签 (label) 和得分 (score)。
• 使用 box.values() 进行解构赋值，将边界框的坐标值分配给 xmin、ymin、xmax 和 ymax。

pythonCopy codedraw.rectangle((xmin, ymin, xmax, ymax), outline="red", width=1)
draw.text((xmin, ymin), f"{label}: {round(score, 2)}", fill="red")

• 对于每个检测结果，使用 draw.rectangle() 在图像上绘制一个红色的矩形，表示目标的边界框。
• 使用 draw.text() 在图像上添加标签和得分信息，显示在边界框的左上角。

最后给我们呈现的结果就是

总结

人工智能图像识别在多个领域中都带来了许多好处，利用好这项技术能给我们带来很多好处：

1. 自动化处理：
   • AI图像识别可以自动处理大量图像数据，无需人工干预。这使得在短时间内处理大规模图像集合成为可能，提高了效率。
2. 快速准确的分类：
   • AI模型能够在瞬间对大量图像进行分类，远远快于人类。并且，当经过足够的训练时，它们通常能够提供高度准确的分类结果。
3. 大规模数据处理：
   • 大规模图像数据的处理和分析对于许多应用至关重要，例如医学影像分析、卫星图像处理等。AI图像识别能够处理这些数据，从中提取有用的信息。
4. 实时识别：
   • 对于需要实时决策的应用，如自动驾驶、视频监控等，AI图像识别能够在几乎实时的情况下进行物体识别、行为分析等任务。
5. 无人化监控和检测：
   • 在安防、生产线等领域，AI图像识别可以用于无人化的监控和检测，提高了安全性和生产效率。
6. 个性化服务和推荐：
   • 在商业领域，AI图像识别可以用于分析用户的图像，提供个性化的服务和产品推荐，增加用户体验和满意度。
7. 医学影像分析：
   • 在医学领域，AI图像识别可以用于分析医学影像，辅助医生进行疾病诊断和治疗计划制定。
8. 环境监测和保护：
   • 在环境科学中，AI图像识别可以用于监测和保护自然环境，例如识别野生动植物、监测气候变化等。

好了，到这里我们今天的尝试就结束啦！大家也可以动手取实践一下哦!

如果你对AIGC感兴趣，也可以关注我哦~我后续还会更新有关AIGC的文章以供大家学习！

如果有任何想法何指正欢迎大家在评论区留言！

点个小小的赞鼓励支持一下吧！🌹🌹🌹