ImageAI 를 활용한 15줄짜리 object detection

더욱 자세한 정보는

https://towardsdatascience.com/object-detection-with-10-lines-of-code-d6cb4d86f606

Object Detection with 10 lines of code

여기 글을 참고해서 포스팅합니다. 

문제가 생길시, 지우도록하겠습니다.

 

 

faster rcnn, yolo 등 다양한 오브젝트 디텍션 모델들이 나와있지만, 초보자가 사용하기가 힘든 문제점이 있다.

그래서 이번에는 아주 간단하지만 괜찮은 성능을 보여주는 간단한 코딩을 해볼 예정이다.

 

사전에 앞서,

실습환경:  jupyter lab

version :  python3.7, keras, tensorflow, matplot, imageai 모듈이 깔려있다고 가정한다.

ImageAI는 pip install imageai  명령어를 통해 간편하게 설치할 수 있다.

 

또한 실습에 필요한 pre-trained 된 모델은 retinanet을 이용하였으며, link< 여기서 받을 수 있다.

 

원본

디텍션 결과

위 그림처럼 결과를 얻을 수 있으며, 아마 coco dataset기반으로 pretrained 된 모델이니 디텍션 결과 종류를 얻을 수 있을 것이다.

 

그리고 조금만 수정한다면 실시간으로 처리하고 하는 부분도 가능할꺼같다.

 

전체소스 코드

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import numpy as np import matplotlib.pyplot as plt from matplotlib.image import imread from imageai.Detection import ObjectDetection import os detector = ObjectDetection() detector.setModelTypeAsRetinaNet() detector.setModelPath("model/resnet50_coco_best_v2.0.1.h5") detector.loadModel() detections = detector.detectObjectsFromImage(input_image="input_images/image.jpg",                                              output_image_path="output_images/image.jpg") for eachObject in detections:     print(eachObject["name"] , " : " , eachObject["percentage_probability"] ) img = imread('output_images/image.jpg') plt.imshow(img) Colored by Color Scripter

cs

 

만약 coco dataset 처럼 custom 데이터와 위치정보 라벨된 데이터셋이 있어서 학습을 시키고 싶다면,

아래 코드로 간편하게 학습도 가능한거 같다.

결국 데이터가 ..ㅠ

https://medium.com/deepquestai/train-object-detection-ai-with-6-lines-of-code-6d087063f6ff

Train Object Detection AI with 6 lines of code