[Machine Learning][Python] 最簡單的物體辨識套件：ImageAI

需要事先聲明，這篇文章的教學是從： https://towardsdatascience.com/object-detection-with-10-lines-of-code-d6cb4d86f606 這個網站所學習的。大家也可以直接去那個網站學習。

另外，這裡是開發員的 Github，我已經非常敬仰地獻上我的 Star XD

https://github.com/OlafenwaMoses/ImageAI?source=post_page—–d6cb4d86f606———————-

由於這個工具實在是太好用了，故我還是寫下了這篇心得，來闡述該怎麼使用這個 Python 的套件。

基本上就像原文所宣傳的一樣，只要安裝好基本的相關套件，接下來呼叫 ImageAI 進行影像辨識的程式碼幾乎不到十行。

而這個套件最棒的是，它的運算速度非常、非常地快。以往我對影像處理當中物體辨識的部份有印象的便是 Yolov3、SSD 這些經典的模型。而這些模型想當然都必須要使用 GPU，只使用 CPU 運算的速度，天哪，簡直無法想像。

但 ImageAI 只用 CPU 運算卻很快、非常快。（當然，可能是因為我們直接使用他們訓練好的模型，後面它還有另外一個章節告訴我們，要重新訓練他們的模型進行物體辨識，還是需要使用 GPU，並且我似乎有看到 Yolov3 的字樣 XD）

那麼，以下開始說明我怎麼使用這個方便的套件。

下載 Dependencies

需要事先注意的是， Tensorflow 裝 1.4 (含以後) 的版本比較好，不需要升級到 2.0，不過開發者有提到 2.0 的支援 Coming Soon，值得期待。

sudo pip3 install opencv-python
sudo pip3 install pillow
sudo pip3 install numpy
sudo pip3 install scipy
sudo pip3 install matplotlib
sudo pip3 install h5py
sudo pip3 install tensorflow==1.14
sudo pip3 install keras

最後，當然還要安裝最重要的：

sudo pip3 install imageai

如果有沒辦法運行 ImageAI 這個套件的時候，還請去開發者的 Github 或是 Medium 上的教學文確認版本，我想應該能順利解決掉問題。

另外，我們還要下載開發者提供的 pre-trained 模型。將模型儲存到程式要運行的地方吧。

為了測試模型的效果，故不打算使用開發者提供的圖片，我便隨便 Google 找到了這張圖片。（抱歉我人比較機車 XDD）

我也將這張圖片儲存在程式碼的同一層資料夾中，取名為 test.jpg

程式碼

# -*- coding: utf-8 -*-
import os
from imageai.Detection import ObjectDetection

detector = ObjectDetection()
detector.setModelTypeAsRetinaNet()
detector.setModelPath('resnet50_coco_best_v2.0.1.h5')
detector.loadModel()

detections = detector.detectObjectsFromImage(input_image='test.jpg',
                                             output_image_path='test_new.jpg')

for eachObject in detections:
    print('{}:{}'.format(eachObject['name'], eachObject['percentage_probability']))

​​

Output:

 car:54.42100763320923
 car:61.10377311706543
 person:58.36105942726135
 motorcycle:54.96629476547241
 motorcycle:50.44354200363159
 person:57.037585973739624
 bus:66.54394865036011
 car:65.67930579185486
 car:54.16930913925171
 car:56.64970874786377
 car:72.12932705879211
 car:68.234783411026
 car:64.10300731658936
 car:58.10954570770264
 car:63.097649812698364
 car:53.60064506530762
 car:64.27150964736938
 car:66.74740314483643
 car:58.199405670166016
 car:58.271121978759766
 person:63.879597187042236
 person:59.48329567909241
 car:76.3867735862732
 car:80.26036024093628
 car:84.88558530807495
 car:81.44459128379822
 car:86.51140332221985
 person:54.11458611488342
 car:96.40277624130249
 person:50.599128007888794
 motorcycle:54.92902398109436
 person:66.21726155281067
 car:92.68029928207397
 car:95.23538947105408
 car:67.5695538520813
 car:89.36827182769775
 car:97.36456871032715
 car:99.09504652023315

Before:

After:

速度非常快！程式碼也相當精簡，強力向各位有這種需求的開發員推薦這個 RetinaNet 封裝的 Python Package。