画像認識、始める方法

Question

私のBScの学位論文の一部として、ビデオフィードで画像認識を利用する必要があります。

私はopenCVとTensorflow、特にInception訓練モデルを2つのオプションとして特定しましたが、そこからどのように進んでいくのかわかりません。基本的に私が必要とするのは、 "キー"のような文字列を渡すことです。上位5つの結果のうちの1つが "キー"であれば、ブール値を返します。

ちょうど言及すると、私は両方ともPythonを使用しているので、私はオンラインのpythonコースを行った。また、私はJavaについてかなりの経験を積んでいます。私たちは過去2年間ユニユを使用してきました。

私はではありません。は新しい画像認識システムを完全に作成する必要はありません。カメラを見ていることを教えてください。

また、動画ですが、実際の動画フィードを処理するのは難しいと思います。私が考えたのは、30フレームのうちの1フレーム（30fpsのビデオフィードを想定）を取り出し、その上で画像認識を実行することでした。

ありがとうございます！

Answer 1

this tutorial、特に「Python APIを使用する」のセクションを読んだら、プロジェクトはかなり単純です。 classify_image.pyによって生成トップNの成果は、コードのこのブロックでは、人間が読めるテキストhereに変換されます：あなたたとえば

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)) 

、あなたは5にFLAGS.num_top_predictionsを設定したいと思い、あなたがトップ5を蓄積したいと思います以下のようなものとしてhuman_string値：「キー」は生産imagenetトップ5弦の一つであり、

return "keys" in top_k_strings 

としてブール値を戻すの場合

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)) 

は最後に、あなたがチェックできます210

また、あなたは彼らにビデオに関してhere

を見つけることができ、人間が読み取り可能なカテゴリの完全なリストに興味があるなら、あなたはおそらく、あなたが追いつくためにビデオシーケンスをサブサンプリングする必要がありますということですねフレームレートで表示します。いくつかの実験とタイミングテストでは、必要なサブサンプリングレートの感触が得られます。

幸運を祈る！