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
BJ_Bonree21 小时前
圆桌论坛精华实录 | AI是重构运维逻辑的颠覆性革命?博睿数据与行业大咖亲授“AI+可观测性”的破局之道
运维·人工智能·重构
终端域名21 小时前
从 Grok 4 多智能体协同到 RAG 范式革命:2025 年 AI 工作流的技术重构生成
人工智能·重构
Dfreedom.21 小时前
卷积神经网络(CNN)全面解析
人工智能·神经网络·cnn·卷积神经网络
曼城的天空是蓝色的1 天前
GroupNet:基于多尺度神经网络的交互推理轨迹预测
深度学习·计算机视觉
zl_vslam1 天前
SLAM中的非线性优-3D图优化之轴角在Opencv-PNP中的应用(一)
前端·人工智能·算法·计算机视觉·slam se2 非线性优化
koo3641 天前
李宏毅机器学习笔记43
人工智能·笔记·机器学习
lzjava20241 天前
Spring AI使用知识库增强对话功能
人工智能·python·spring
B站_计算机毕业设计之家1 天前
深度血虚:Django水果检测识别系统 CNN卷积神经网络算法 python语言 计算机 大数据✅
python·深度学习·计算机视觉·信息可视化·分类·cnn·django
Francek Chen1 天前
【自然语言处理】预训练05:全局向量的词嵌入(GloVe)
人工智能·pytorch·深度学习·自然语言处理·glove
这张生成的图像能检测吗1 天前
(论文速读)LyT-Net:基于YUV变压器的轻量级微光图像增强网络
图像处理·人工智能·计算机视觉·低照度