如何使用tf.image.draw_边框在我的原始图像上绘制边界框以显示检测到我的对象的位置？

Question

我是Tensorflow的新手，到目前为止，我已经能够使用我从Kaggle获得的花数据集构建一个分类器，我已经能够训练一个CNN来识别向日葵和雏菊，并使用matplotlib.pyplot.figure（）打电话。在

现在我想在原始图像上画一个边界框来显示它检测到花的位置。我读到了tf.image.draw_边框但我有点困惑如何使用它，因为技术上CNN已经在物体上画了一个边界框，以便能够对其进行分类。有没有一种方法可以在源文件中一个对象被框住的那一刻进入操作并绘制大量的框？在

这是我想做的一个例子。我想训练我的模型识别向日葵，然后当我展示一张向日葵的图片时，我希望它找到向日葵的位置，并在每个向日葵周围画一个边界框。在

{1美元^

这是我在本教程中使用的代码（假设前三行只是创建标签的基本函数，与此问题无关）

training_images = train_data_with_label()
testing_images = test_data_with_label()
TTest = test_new_data()

# Assign images and labels
tr_img_data = np.array([i[0] for i in training_images]).reshape(-1, 64, 64, 1)
tr_lbl_data = np.array([i[1] for i in training_images])
tst_img_data = np.array([i[0] for i in testing_images]).reshape(-1, 64, 64, 1)
tst_lbl_data = np.array([i[1] for i in testing_images])

model = Sequential()

model.add(InputLayer(input_shape=[64, 64, 1]))

model.add(Conv2D(filters=16, kernel_size=5, strides=1, padding='same', activation='relu'))
model.add(MaxPooling2D(pool_size=5, padding='same'))

model.add(Conv2D(filters=32, kernel_size=5, strides=1, padding='same', activation='relu'))
model.add(MaxPooling2D(pool_size=5, padding='same'))

model.add(Conv2D(filters=50, kernel_size=5, strides=1, padding='same', activation='relu'))
model.add(MaxPooling2D(pool_size=5, padding='same'))

model.add(Conv2D(filters=80, kernel_size=5, strides=1, padding='same', activation='relu'))
model.add(MaxPooling2D(pool_size=5, padding='same'))

model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(512, activation='relu'))
model.add(Dropout(rate=0.5))
model.add(Dense(classes, activation='softmax'))
optimizer = Adam(lr=1e-4)

model.compile(optimizer=optimizer, loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(x=tr_img_data, y=tr_lbl_data, epochs=1000, batch_size=50)
model.summary()


# Save the model's weights
pth = 'S:/SavedWeights/Daisy_vs_Sunflower_vs_Tulip/weights.hdf5'
model.save_weights(pth, overwrite=True)
print("Weights saved!!!")


fig = plt.figure(figsize=(14, 14))

for cnt, data in enumerate(TTest[0:14]):

    y = fig.add_subplot(6, 5, cnt+1)
    img = data[0]
    data = img.reshape(1, 64, 64, 1)
    model_out = model.predict([data])

    if np.argmax(model_out) == 0:
        str_label = 'Daisy'
    elif np.argmax(model_out) == 1:
        str_label = 'Sunflower'
    else:
        str_label = 'Tulip'

    y.imshow(img, cmap='gray')
    plt.title(str_label)
    y.axes.get_xaxis().set_visible(False)
    y.axes.get_yaxis().set_visible(False)

plt.show()

我想找到的是一个例子，说明如何在这类教程代码中使用这个库，然后取一个任意的图像，确定图像中是否有向日葵，并在它们周围画一个方框。在

谢谢你！在

Answer 1

我知道了！结果我用错了，我一直在用图像分类，我应该研究对象检测。我阅读了tensorflow文档，并进行了一个对象检测，它绘制了边界框。在