1. Məhsullar
  2.   Şəkil
  3.   Python
  4.   ImageAI
 
  

Pulsuz Python API vasitəsilə Qabaqcıl AI məhsulları yaradın

Açıq Mənbəli Python API-ləri Öz-özünə əhatə edən dərin öyrənmə və kompüter görmə imkanları ilə Tətbiqlər və Sistemlər İnkişaf etdirin.

ImageAI sadə, lakin çox güclü və qabaqcıl açıq mənbəli Python kitabxanasıdır və proqram tərtibatçılarına müstəqil dərin öyrənmə və kompüter görmə imkanları ilə proqramlar və proqram təminatını inkişaf etdirmək səlahiyyəti verir. Kitabxana təsvirin tanınması, obyektin aşkarlanması, Videolarda obyekt aşkarlanması, Xüsusi Tanıma modellərinin öyrədilməsi, video və kamera lentinin təhlili və modellərlə obyektlərin tanınması ilə bağlı bir sıra inkişaf etmiş funksiyaları özündə birləşdirmişdir.

Kitabxanadan istifadə etmək asandır və proqramçılara təkmil Süni İntellekt imkanlarını sadəcə bir neçə sətir python kodu ilə tətbiq və sistemlərinə asanlıqla inteqrasiya etmək imkanı verir. Tensor Flow, OpenCV və Keras kimi süni intellektlə əlaqəli funksiyaları sizə təqdim edə bilən başqa kitabxanalar da var, lakin bunun üçün çoxlu kod yazmağınız lazım olacaq. Digər tərəfdən ImageAI ilə buna nail olmaq üçün bir neçə sətir kod tələb olunacaq.

Pulsuz açıq mənbəli ImageAI kitabxanası çox populyardır və bütün dünyada tələbələr, tədqiqatçılar, tərtibatçılar və mütəxəssislər tərəfindən asanlıqla qabaqcıl süni intellekt məhsulları və həlləri istehsal etmək üçün bəyənilib.

Previous Next

ImageAI ilə işə başlayın

ImageAI-ni pip vasitəsilə quraşdırmaq tövsiyə olunur, lütfən, aşağıdakı python quraşdırma əmrlərini icra edin.

Pip vasitəsilə ImageAI quraşdırın

pip3 install imageai --upgrade

Python API vasitəsilə Şəkil proqnozlaşdırılması

Açıq mənbəli ImageAI kitabxanası proqram tərtibatçılarına sadəcə bir neçə sətir kodla öz python proqramlarına Image Prediction imkanlarını əlavə etməyə imkan verir. Kitabxanaya SqueezeNet, ResNet, InceptionV3 və DenseNet kimi təsvirin proqnozlaşdırılmasını yerinə yetirmək üçün 4 müxtəlif alqoritm və model növləri daxildir. Xahiş edirik unutmayın ki, bu alqoritmlərin hər birində alqoritmin seçimindən asılı olaraq istifadəçilərin istifadə etməli olduğu ayrıca model faylları var. Kitabxana həmçinin standart olaraq normal, sürətli, daha sürətli və ən sürətli kimi bütün təsvirin proqnozlaşdırılması tapşırıqları üçün proqnozlaşdırma sürətlərini təklif edir.

Python vasitəsilə Şəkil Proqnozunu həyata keçirin

from imageai.Classification import ImageClassification
import os
execution_path = os.getcwd()
prediction = ImageClassification()
prediction.setModelTypeAsResNet50()
prediction.setModelPath(os.path.join(execution_path, "resnet50_imagenet_tf.2.0.h5"))
prediction.loadModel()
predictions, probabilities = prediction.classifyImage(os.path.join(execution_path, "1.jpg"), result_count=5 )
for eachPrediction, eachProbability in zip(predictions, probabilities):
    print(eachPrediction , " : " , eachProbability)

Python Tətbiqlərində Şəkil Obyektinin Aşkarlanması

Obyekt aşkarlanması proqram tərtibatçılarına təsvirdə və ya videonun içərisində obyektləri müəyyən etmək və tapmaq imkanı verən heyrətamiz kompüter görmə texnikasıdır. ImageAI kitabxanasına şəkillərdə obyekt aşkarlamasını həyata keçirmək və hər bir obyekti təsvirdən çıxarmaq üçün çox faydalı üsullar daxildir. O, RetinaNet, YOLOv3 və TinyYOLOv3 üçün yüksək performansa və real vaxt emalına nail olmaq üçün seçimlərlə dəstək verdi.

Python vasitəsilə video obyektin aşkarlanması

ImageAI kitabxanası python əmrlərindən istifadə edərək videoların içərisində obyektləri aşkar etmək və izləmək üçün çox güclü və asan üsul təqdim etmişdir. Hamar video obyekt aşkarlanması üçün siz RetinaNet, YOLOv3 və ya TinyYOLOv3 obyekt aşkarlama modelini endirməlisiniz. Obyekt aşkarlama modeli faylını uğurla endirdikdən sonra, lütfən, model faylını .py fayllarının saxlanacağı layihə qovluğuna köçürün. Video obyektin aşkarlanması çox əhatəli bir iş olduğundan, NVIDIA GPU və Tensorflow-un GPU versiyası olan kompüterdən istifadə etmək tövsiyə olunur.

Python vasitəsilə video obyektin aşkarlanması

from imageai.Detection.Custom import CustomVideoObjectDetection
import os
import cv2
execution_path = os.getcwd()
camera = cv2.VideoCapture(0)
video_detector = CustomVideoObjectDetection()
video_detector.setModelTypeAsYOLOv3()
video_detector.setModelPath("hololens-ex-60--loss-2.76.h5")
video_detector.setJsonPath("detection_config.json")
video_detector.loadModel()
video_detector.detectObjectsFromVideo(camera_input=camera,
                                          output_file_path=os.path.join(execution_path, "holo1-detected3"),
                                          frames_per_second=20,
                                          minimum_percentage_probability=40,
                                          log_progress=True)

Xüsusi Model Təlim Mexanizmindən istifadə edin

Açıq mənbəli ImageAI kitabxanası proqram tərtibatçılarına xüsusi təsvirin proqnozlaşdırılması modellərini asanlıqla öyrətməyə imkan verir. O, tərtibatçılara öz modellərini istənilən obyekt növünə uyğun gələn istənilən təsvirlər toplusunda öyrətməyə imkan verir. Təlim prosedurları ilə JSON faylı yaradılacaq ki, bu da şəkil verilənlər bazasındakı obyekt növlərini xəritələndirəcək və çoxlu modellər yaradacaq. Bundan sonra iş asandır, siz ən yüksək dəqiqliklə modeli seçməli və xüsusi görüntü proqnozunu yerinə yetirməlisiniz.

Fərdi Model Təlimi tətbiq edin

from imageai.Classification.Custom import ClassificationModelTrainer
model_trainer = ClassificationModelTrainer()
model_trainer.setModelTypeAsResNet50()
model_trainer.setDataDirectory("pets")
model_trainer.trainModel(num_objects=4, num_experiments=100, enhance_data=True, batch_size=32, show_network_summary=True)
 Azəri