10 KiB

Raw Blame History

图像识别快速开始

本文档包含3个部分：环境配置、图像识别体验、未知类别的图像识别体验。

如果图像类别已经存在于图像索引库中，那么可以直接参考图像识别体验章节，完成图像识别过程；如果希望识别未知类别的图像，即图像类别之前不存在于索引库中，那么可以参考未知类别的图像识别体验章节，完成建立索引并识别的过程。

1. 环境配置
2. 图像识别体验
- 2.1 下载、解压inference 模型与demo数据
- 2.2 Logo识别与检索
  - 2.2.1 识别单张图像
  - 2.2.2 基于文件夹的批量识别
3. 未知类别的图像识别体验
- 3.1 基于自己的数据集构建索引库
- 3.2 基于新的索引库的图像识别

1. 环境配置

安装：请先参考快速安装配置PaddleClas运行环境。
进入deploy运行目录。本部分所有内容与命令均需要在deploy目录下运行，可以通过下面的命令进入deploy目录。
```
cd deploy
```

2. 图像识别体验

检测模型与4个方向(Logo、动漫人物、车辆、商品)的识别inference模型、测试数据下载地址以及对应的配置文件地址如下。

模型简介	推荐场景	测试数据地址	inference模型	预测配置文件	构建索引库的配置文件
通用主体检测模型	通用场景	-	模型下载链接	-	-
Logo识别模型	Logo场景	数据下载链接	模型下载链接	inference_logo.yaml	build_logo.yaml
动漫人物识别模型	动漫人物场景	数据下载链接	模型下载链接	inference_cartoon.yaml	build_cartoon.yaml
车辆细分类模型	车辆场景	数据下载链接	模型下载链接	inference_vehicle.yaml	build_vehicle.yaml
商品识别模型	商品场景	数据下载链接	模型下载链接	inference_inshop.yaml	build_inshop.yaml

注意：windows 环境下如果没有安装wget,下载模型时可将链接复制到浏览器中下载，并解压放置在相应目录下；linux或者macOS用户可以右键点击，然后复制下载链接，即可通过wget命令下载。

可以按照下面的命令下载并解压数据与模型

mkdir dataset
cd dataset
# 下载demo数据并解压
wget {数据下载链接地址} && tar -xf {压缩包的名称}
cd ..

mkdir models
cd models
# 下载识别inference模型并解压
wget {模型下载链接地址} && tar -xf {压缩包的名称}
cd ..

2.1 下载、解压inference 模型与demo数据

Logo识别为例，下载通用检测、识别模型以及Logo识别demo数据，命令如下。

mkdir models
cd models
# 下载通用检测inference模型并解压
wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/ppyolov2_r50vd_dcn_mainbody_v1.0_infer.tar && tar -xf ppyolov2_r50vd_dcn_mainbody_v1.0_infer.tar
# 下载识别inference模型并解压
wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/logo_rec_ResNet50_Logo3K_v1.0_infer.tar && tar -xf logo_rec_ResNet50_Logo3K_v1.0_infer.tar

cd ..
mkdir dataset
cd dataset
# 下载demo数据并解压
wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/data/logo_demo_data_v1.0.tar && tar -xf logo_demo_data_v1.0.tar
cd ..

解压完毕后，dataset文件夹下应有如下文件结构：

├── logo_demo_data_v1.0
│   ├── data_file.txt
│   ├── gallery
│   ├── index
│   └── query
├── ...

其中data_file.txt是用于构建索引库的图像列表文件，gallery文件夹中是所有用于构建索引库的图像原始文件，index文件夹中是构建索引库生成的索引文件，query是用来测试识别效果的demo图像。

models文件夹下应有如下文件结构：

├── logo_rec_ResNet50_Logo3K_v1.0_infer
│   ├── inference.pdiparams
│   ├── inference.pdiparams.info
│   └── inference.pdmodel
├── ppyolov2_r50vd_dcn_mainbody_v1.0_infer
│   ├── inference.pdiparams
│   ├── inference.pdiparams.info
│   └── inference.pdmodel

2.2 Logo识别与检索

以Logo识别demo为例，展示识别与检索过程（如果希望尝试其他方向的识别与检索效果，在下载解压好对应的demo数据与模型之后，替换对应的配置文件即可完成预测）。

2.2.1 识别单张图像

运行下面的命令，对图像./dataset/logo_demo_data_v1.0/query/logo_auxx-1.jpg进行识别与检索

python3.7 python/predict_system.py -c configs/inference_logo.yaml

待检索图像如下所示。

最终输出结果如下。

[{'bbox': [129, 219, 230, 253], 'rec_docs': ['auxx-2', 'auxx-1', 'auxx-2', 'auxx-1', 'auxx-2'], 'rec_scores': array([3.09635019, 3.09635019, 2.83965826, 2.83965826, 2.64057827])}]

其中bbox表示检测出的主体所在位置，rec_docs表示索引库中与检出主体最相近的若干张图像对应的标签，rec_scores表示对应的相似度。由rec_docs字段可以看出，返回的若干个结果均为aux，识别正确。

2.2.2 基于文件夹的批量识别

如果希望预测文件夹内的图像，可以直接修改配置文件中的Global.infer_imgs字段，也可以通过下面的-o参数修改对应的配置。

python3.7 python/predict_system.py -c configs/inference_logo.yaml -o Global.infer_imgs="./dataset/logo_demo_data_v1.0/query"

更多地，可以通过修改Global.rec_inference_model_dir字段来更改识别inference模型的路径，通过修改IndexProcess.index_path字段来更改索引库索引的路径。

3. 未知类别的图像识别体验

对图像./dataset/logo_demo_data_v1.0/query/logo_cola.jpg进行识别，命令如下

python3.7 python/predict_system.py -c configs/inference_logo.yaml -o Global.infer_imgs="./dataset/logo_demo_data_v1.0/query/logo_cola.jpg"

待检索图像如下所示。

输出结果如下

[{'bbox': [635, 0, 1382, 1043], 'rec_docs': ['Arcam', 'univox', 'univox', 'Arecont Vision', 'univox'], 'rec_scores': array([0.47730467, 0.47625482, 0.46496609, 0.46296868, 0.45239362])}]

由于默认的索引库中不包含对应的索引信息，所以这里的识别结果有误，此时我们可以通过构建新的索引库的方式，完成未知类别的图像识别。

当索引库中的图像无法覆盖我们实际识别的场景时，即在预测未知类别的图像时，我们需要将对应类别的相似图像添加到索引库中，从而完成对未知类别的图像识别，这一过程是不需要重新训练的。

3.1 基于自己的数据集构建索引库

首先需要获取待入库的原始图像文件(保存在./dataset/logo_demo_data_v1.0/gallery文件夹中)以及对应的标签信息，记录原始图像文件的文件名与标签信息）保存在文本文件./dataset/logo_demo_data_v1.0/data_file_update.txt中）。

然后使用下面的命令构建index索引，加速识别后的检索过程。

python3.7 python/build_gallery.py -c configs/build_logo.yaml -o IndexProcess.data_file="./dataset/logo_demo_data_v1.0/data_file_update.txt" -o IndexProcess.index_path="./dataset/logo_demo_data_v1.0/index_update"

最终新的索引信息保存在文件夹./dataset/logo_demo_data_v1.0/index_update中。

3.2 基于新的索引库的图像识别

使用新的索引库，对上述图像进行识别，运行命令如下。

python3.7 python/predict_system.py -c configs/inference_logo.yaml -o Global.infer_imgs="./dataset/logo_demo_data_v1.0/query/logo_cola.jpg" -o IndexProcess.index_path="./dataset/logo_demo_data_v1.0/index_update"

输出结果如下。

[{'bbox': [635, 0, 1382, 1043], 'rec_docs': ['coca cola', 'coca cola', 'coca cola', 'coca cola', 'coca cola'], 'rec_scores': array([0.57111013, 0.56019932, 0.55656564, 0.54122502, 0.48266801])}]

识别结果正确。

10 KiB Raw Blame History Unescape Escape