第10.4篇 使用预训练的目标检测网络

在PyTorch提供的已经训练好的图像目标检测中,均是R-CNN系列

的网络,并且针对目标检测和人体关键点检测分别提供了容易调用的方

法。针对目标检测的网络,输入图像均要求使用相同的预处理方式,即先将每张图像的像素值预处理到0~1之间,且输人的图像尺寸不是很小即可直接

调用。已经预训练的可供使用的网络模型如表10-2所示。

首先定义每个类别所对应的标签COCO_INSTANCE_CATEGORY_NAMES,程序如下:

上面的程序在可视化图像时,使用ImageDraw.Draw(image)方法,表示要在原始的image图像上相应的位置添加一些元素,draw.rectangle(表示要添加矩形框,draw.text()表示在图像上指定位置添加文本。运行程序后,可得到图10-14所示的目标检测结果。

相关推荐
OpenMiniServer1 小时前
基因的演化动力学——从复制、变异到生命复杂性的形成
人工智能
stuartevil1 小时前
AI图生视频常见坑:参考图风格不一致怎么解决
人工智能·深度学习·音视频
星核0penstarry1 小时前
HICOOL 2026深度解读:从四大仪式看北京硬科技生态的底层逻辑
大数据·人工智能·科技·ai·创业创新·ai编程
aichitang20241 小时前
快乐泛函每一天:希尔伯特空间中的最佳逼近与正交投影定理
人工智能·考研·算法·ai·面试·泛函分析
Python大数据分析@1 小时前
如何评价openworker办公agent?
人工智能
H0311169851 小时前
AI任务不中断:支持离线与关机后继续运行的几款工具
人工智能
陈年老古董1 小时前
OpenCV实战:文档扫描与图像风格迁移
人工智能·python·opencv·计算机视觉
智嵌研习社1 小时前
从 Prompt 到工程化技能包:AI Skills 标准与 Continue 落地
人工智能·prompt·skill
淬炼之火1 小时前
笔记:Visually-Guided Policy Optimization for Multimodal Reasoning
人工智能·笔记·算法·机器学习·语言模型·自然语言处理
STLearner2 小时前
KDD 2026 | (2月轮)时空数据(Spatial-Temporal)论文总结时空(交通)预测,轨迹数据挖掘(表示,生成)
论文阅读·人工智能·python·深度学习·学习·机器学习·数据挖掘