图像识别，如何开始

Question

作为我攻读理学学士学位论文的一部分，我必须在视频源上使用图像识别。你知道吗

我已经将openCV和Tensorflow——特别是Inception培训的模型——确定为两个选项，但是我不知道如何从那里继续下去。基本上，我需要的是传递一个字符串，比如“keys”，如果前5个结果中有一个是“keys”，则返回一个布尔值。你知道吗

我在网上做了一个python课程，因为他们都使用python。另外，我有相当扎实的Java经验，我们在过去两年一直在我们大学使用它。你知道吗

请注意，我不需要创建一个全新的图像识别系统，我需要用一个来告诉我我的相机看到了什么。你知道吗

另外，虽然是视频，但我认为处理实际的视频源会更困难。我想到的是从30帧中挑出一帧（假设一个30帧/秒的视频流）并在上面运行图像识别。你知道吗

提前谢谢！你知道吗

Answer 1

如果您通读了this tutorial，特别是“使用pythonapi”一节，那么您的项目应该相当简单。在这段代码中，classify_image.py产生的前N个结果被转换成人类可读的文本here：

top_k = predictions.argsort()[-FLAGS.num_top_predictions:][::-1]
for node_id in top_k:
    human_string = node_lookup.id_to_string(node_id)
    score = predictions[node_id]
    print('%s (score = %.5f)' % (human_string, score))

对于您的示例，您希望将FLAGS.num_top_predictions设置为5，并且希望将前5个human_string值累加为如下所示：

top_k_strings = []
top_k = predictions.argsort()[-FLAGS.num_top_predictions:][::-1]
for node_id in top_k:
    human_string = node_lookup.id_to_string(node_id)
    top_k_strings.append(human_string)
    score = predictions[node_id]
    print('%s (score = %.5f)' % (human_string, score))

最后，您可以检查“keys”是否是imagenet生成的前5个字符串之一，并将布尔值作为

return "keys" in top_k_strings

此外，如果您对人类可读类别的完整列表感兴趣，您可以找到它们here

关于视频，你可能是对的，你必须对视频序列进行二次采样以跟上帧速率。一些实验和计时测试会让你感觉到所需的子采样率。你知道吗

祝你好运！你知道吗