上期文章我们分享了人工智能Keras图像分类器(CNN卷积神经网络的图片识别的训练模型),本期我们使用预训练模型对图片进行识别:
导入第三方库
<code>from keras.preprocessing.image import img_to_arrayfrom keras.models import load_modelimport numpy as npimport imutilsimport cv2/<code>
加载图片
<code>image = cv2.imread("examples/00000002.jpg") # 加载一个图片orig = image.copy() # 复制图片image = cv2.resize(image, (28, 28))# 图片resizeimage = image.astype("float") / 255.0 #图片转换为0 1数据image = img_to_array(image) # arrayimage = np.expand_dims(image, axis=0)# 增加一个轴/<code>
加载预训练模型
<code>model = load_model("lenet.model")/<code>
图片识别
<code>(notsnowman, snowman) = model.predict(image)[0]# 图片预测# 显示标签与预测数据label = "snowman" if snowman > notsnowman else "notsnowman"proba = snowman if snowman > notsnowman else notsnowmanlabel = "{}: {:.2f}%".format(label, proba * 100)/<code>
显示图片
<code>output = imutils.resize(orig, width=400)cv2.putText(output, label, (10, 25), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)cv2.imshow("Output", output)cv2.waitKey(0)/<code>
<strong>可以体验不一样的AI工具哟
閱讀更多 人工智能研究所 的文章