Как распечатать обнаруженные классы после выполнения обнаружения объекта на изображении? - PullRequest
Новая
       55

Как распечатать обнаруженные классы после выполнения обнаружения объекта на изображении?

0 голосов
/ 05 апреля 2020

Я следую учебнику object_detection_tutorial.ipynb .

Вот код (я помещаю только те части, которые необходимы, остальная часть кода такая же, как в блокноте): 

my_results = []   # I added this, a list to hold the detected classes

PATH_TO_LABELS = 'D:\\TensorFlow\\models\\research\\object_detection\\data\\oid_v4_label_map.pbtxt'
category_index = label_map_util.create_category_index_from_labelmap(PATH_TO_LABELS, use_display_name=True)

PATH_TO_TEST_IMAGES_DIR = pathlib.Path('C:\\Users\\Bhavin\\Desktop\\objects')
TEST_IMAGE_PATHS = sorted(list(PATH_TO_TEST_IMAGES_DIR.glob("*.jpg")))
TEST_IMAGE_PATHS

model = load_model()

def run_inference_for_single_image(model, image):
  image = np.asarray(image)
  # The input needs to be a tensor, convert it using `tf.convert_to_tensor`.
  input_tensor = tf.convert_to_tensor(image)
  # The model expects a batch of images, so add an axis with `tf.newaxis`.
  input_tensor = input_tensor[tf.newaxis,...]

  # Run inference
  output_dict = model(input_tensor)

  # All outputs are batches tensors.
  # Convert to numpy arrays, and take index [0] to remove the batch dimension.
  # We're only interested in the first num_detections.
  num_detections = int(output_dict.pop('num_detections'))
  output_dict = {key:value[0, :num_detections].numpy() 
                 for key,value in output_dict.items()}
  output_dict['num_detections'] = num_detections

  # detection_classes should be ints.
  output_dict['detection_classes'] = output_dict['detection_classes'].astype(np.int64)

  # Handle models with masks:
  if 'detection_masks' in output_dict:
    # Reframe the the bbox mask to the image size.
    detection_masks_reframed = utils_ops.reframe_box_masks_to_image_masks(
              output_dict['detection_masks'], output_dict['detection_boxes'],
               image.shape[0], image.shape[1])      
    detection_masks_reframed = tf.cast(detection_masks_reframed > 0.5,
                                       tf.uint8)
    output_dict['detection_masks_reframed'] = detection_masks_reframed.numpy()

  return output_dict

def show_inference(model, image_path):
  # the array based representation of the image will be used later in order to prepare the
  # result image with boxes and labels on it.
  image_np = np.array(Image.open(image_path))
  # Actual detection.
  output_dict = run_inference_for_single_image(model, image_np)
  # Visualization of the results of a detection.
  vis_util.visualize_boxes_and_labels_on_image_array(
      image_np,
      output_dict['detection_boxes'],
      output_dict['detection_classes'],
      output_dict['detection_scores'],
      category_index,
      instance_masks=output_dict.get('detection_masks_reframed', None),
      use_normalized_coordinates=True,
      line_thickness=8)

  name = "Image" + str(i) + ".jpg"
  img = Image.fromarray(image_np)
  plt.imsave(name,image_np)
  my_results.append(output_dict['detection_classes']) # I added this
  print(my_results) # I added this
  #img.show()

i = 1
for image_path in TEST_IMAGE_PATHS:
 show_inference(model, image_path)
 i += 1

Я проверил некоторые связанные вопросы переполнения стека и Ответ как-то связан с индексом категории . Но используемый код и примеры сильно отличаются от учебника, которым я следую.

Строка: my_results.append(output_dict['detection_classes'])

Дает вывод: [array([55], dtype=int64)]

Как мне извлечь классы обнаруженных объектов?

...