使用gluoncv.model_zoo进行目标检测

使用gluoncv.model_zoo进行目标检测

本文章使用gluoncv.model_zoo中已经训练好的模型进行目标检测，这里使用的是YOLO3 darknet训练voc数据集的模型。

加载模型

这里讲加载模型到本地，模型默认下载到当前用户下的文件夹.mxnet\models\

from gluoncv import model_zoo,data,utils
from matplotlib import pyplot as plt
#加载模型
net = model_zoo.get_model("yolo3_darknet53_voc",pretrained=True) 

下载图片

这里使用网上下载的图片，将文件下载到当前目录下。本人建议直接自己百度随便拿将图，别用下面的代码下载。

#下载图片（不建议，因为经常下载失败，无法连接到服务器） #img_url = "https://raw.githubusercontent.com/zhreshold/mxnet-ssd/master/data/demo/dog.jpg" #img_fname = utils.download(url=img_url,path="dog.jpg") #图片的预处理（修正图片边长） #这里的img_fname是同目录下的img的名字 x,img = data.transforms.presets.yolo.load_test(img_fname,short=512) 

测试

#获取模型的预测结果
class_ids,class_scores,bounding_boxes = net(x)
#绘制预测结果并展示
ax = utils.viz.plot_bbox(img,bounding_boxes[0],class_scores[0],
class_ids[0],class_names=net.classes)
plt.show() 

结果如下：

单个检测

多个对象检测

本文地址：https://blog.csdn.net/qq_43203949/article/details/108298769