Jetson Nano 2GB 系列文章(22): “Hello AI World”图像分类代码

来源:业界供稿    2021-06-01 09:48:31

关键字: Jetson Nano

为自己开发合适的应用代码。因此本文就延续上一篇文章来向大家介绍“Hello AI World”图像分类代码。

前一篇文章已经带着大家使用Hello AI World项目的imagenet指令进行了深度学习图像分类的推理识别实验,但这些演示与测试只是个学习的过程,最终的目的还是要能用起这个项目的资源,为自己开发合适的应用代码。因此本文就延续上一篇文章来向大家介绍“Hello AI World”图像分类代码。

选择使用~/jetson-inference/python/examples下面的my-recognition.py这只代码,其输入源的部分选择以下函数:

 

8

img = jetson.utils.loadImage(opt.filename)

 

这部分其实造成了一些不便之处,因为“loadImage()”一次只能读取一张图像,大大降低了这只代码的实用性,因此我们建议选择用/usr/local/bin/imagenet.py这只代码,它能够广泛接受更多样化的输入源,完整地实现imagenet的所有功能。

以下就是/usr/local/bin/imagenet.py 的完整代码,请不要被这33行代码吓到,真正与图像分类推理计算的部分也只有4行,我们在下面会详细说明。

 

1

2

 

3

4

 

 

5

 

 

 

 

 

 

6

 

7

 

8

 

9

 

 

10

 

 

 

11

 

 

12

 

13

14

15

16

18

19

 

 

20

 

 

21

22

23

 

 

24

 

25

 

 

26

 

 

27

 

 

28

 

 

 

29

 

 

30

 

 

 

31

 

 

32

33

import jetson.inference

import jetson.utils

 

import argparse

import sys

 

# parse the command line

parser = argparse.ArgumentParser(description="Classify a live camera stream using an image recognition DNN.",                                 formatter_class=argparse.RawTextHelpFormatter, epilog=jetson.inference.imageNet.Usage() +                                jetson.utils.videoSource.Usage() + jetson.utils.videoOutput.Usage() + jetson.utils.logUsage())

 

parser.add_argument("input_URI", type=str, default="", nargs='?', help="URI of the input stream")

parser.add_argument("output_URI", type=str, default="", nargs='?', help="URI of the output stream")

parser.add_argument("--network", type=str, default="googlenet", help="pre-trained model to load (see below for options)")

parser.add_argument("--camera", type=str, default="0", help="index of the MIPI CSI camera to use (e.g. CSI camera 0)\nor for VL42 cameras, the /dev/video device to use.\nby default, MIPI CSI camera 0 will be used.")

parser.add_argument("--width", type=int, default=1280, help="desired width of camera stream (default is 1280 pixels)")

parser.add_argument("--height", type=int, default=720, help="desired height of camera stream (default is 720 pixels)")

parser.add_argument('--headless', action='store_true', default=(), help="run without display")

 

is_headless = ["--headless"] if sys.argv[0].find('console.py') != -1 else [""]

 

try:

       opt = parser.parse_known_args()[0]

except:

       print("")

       parser.print_help()

       sys.exit(0)

 

# load the recognition network

net = jetson.inference.imageNet(opt.network, sys.argv)

 

# create video sources & outputs

input = jetson.utils.videoSource(opt.input_URI, argv=sys.argv)

output = jetson.utils.videoOutput(opt.output_URI, argv=sys.argv+is_headless)

font = jetson.utils.cudaFont()

 

# process frames until the user exits

while True:

       # capture the next image

       img = input.Capture()

 

       # classify the image

       class_id, confidence = net.Classify(img)

 

       # find the object description

       class_desc = net.GetClassDesc(class_id)

 

       # overlay the result on the image 

       font.OverlayText(img, img.width, img.height, "{:05.2f}% {:s}".format(confidence * 100, class_desc), 5, 5, font.White, font.Gray40)

      

       # render the image

       output.Render(img)

 

       # update the title bar

       output.SetStatus("{:s} | Network {:.0f} FPS".format(net.GetNetworkName(), net.GetNetworkFPS()))

 

       # print out performance info

       net.PrintProfilerTimes()

 

       # exit on input/output EOS

       if not input.IsStreaming() or not output.IsStreaming():

              break

 

如果将代码区分为以下4部分,就能很容易理解:

  • 参数解析:5~19行,请参考前面文章关于参数解析的部分,可忽略
  • 输入输出:21222529305行,与videoSourcevideoOutput有关
  • 文字叠加:2328行是为了将显示结果,用文字叠加到图像上
  • 图像分类:202627行,以及30行的net.GetNetworkFPS()部分

 

现在我们主要解说与图像分类有关的这4行代码:

  1. 20行:net = jetson.inference.imageNet(opt.network, sys.argv)

jetson.inference深度学习模块的imageNet()图像分类函数,来建立net这个对象,现在这个net对象就具备了图像分类的属性

  1. 26行:class_id, confidence = net.Classify(img)

img是从25行的input.Capture()获取的一帧图像,将img传入net.Classify进行图像分类的检测,将置信度最高的分类编号传回给class_id变量、将置信度值传回给confidence变量。

这里要说明的,在执行Classify(img)的过程,可能会检测出非常多的可能性,但最终回传置信度最高一个类别。当我们后面执行检测时,会看到终端上打印出类似下图的信息:

 

Jetson Nano 2GB 系列文章(22): “Hello AI World”图像分类代码

在本帧图像进行分类识别时,会出现8种可能性,但最后回传置信度最高的分类编号(0951)给class_id、置信度(0.276245)给confidence

下面比对一下检测结果的输出图像,如下图:

Jetson Nano 2GB 系列文章(22): “Hello AI World”图像分类代码

这里可以确认,回传的值只有一组,就是置信度最高的,不管这个置信度数值有多低。

虽然在上面的终端中已经显示出了这个类别编号的名称,但实际上这个函数回传的值就只有两个,因此我们自己还需要用下一行的代码,来找出类别编号所对应的名称与描述。

  1. 27行:class_desc = net.GetClassDesc(class_id)

这行的目的,是用类别编号class_id去找到对应的类别名称与描述,语法非常直观,不多做解释。重要的是这个类别名称与描述的内容,存放在哪个文件里面。

从上一篇文章中,知道这个代码预设使用的网络模型为GOOGLENET,使用的数据集是ImageNet1000分类数据集,这个在系统里面对应的类别名称与描述文件,在~/jetson-inference/data/networks/ilsvrc12_synset_words.txt里面,用文字编辑器打开后,看看第951行(如下图)是什么内容?

Jetson Nano 2GB 系列文章(22): “Hello AI World”图像分类代码

很不幸的,951行出现的是“orange”,而“lemon”出现在第952行,这个差异主要是因为类别编号是从“0”开始,而编辑器的行数是从“1”开始,所以中间会有这样的差距,现在知道之后就很简单了。

  1. 30行: net.GetNetworkFPS()

这部分显示识别性能,其实是对图像分类的应用,是无关紧要的,不过这个项目其实也是很神奇的,过去我们自己用OpenCV撰写性能标识的代码,其实还挺繁琐的,但是在jetson-inference项目中,无论是图像分类,还是后面要说明的物件识别、语义分割等应用,用这个GetNetworkFPS()函数就轻松得到计算的性能,真是不能再方便了!

看完之后就会发现,其实整个代码中的关键,就是在一开始用imageNet()函数去建立图像分类的对象,然后将读入的图像传给Classify()函数进行分类的推理计算,这两个步骤几乎就完成了90%的工作了。

相信有了这样的解说会让您更清楚该如何使用jetson.inference这个深度学习的模块,去开发您自己的图像分类应用。

    扫一扫

    分享文章到微信


    北京第二十六维信息技术有限公司(至顶网)版权所有. 京ICP备15039648号-7 京ICP证161336号京公网安备 11010802021500号
    举报电话:010-62641205-5060 举报邮箱:jubao@zhiding.cn 安全联盟认证