Python如何图像识别？

Posted 2023-02-26

参考技术A 打开winPython工具包输入以下代码，如图所示。
from skimage import io
if __name__ == '__main__':
img_name="D:\\WinPython-64bit-3.5.3.0Qt5\\notebooks\\hashiqi.jpg"
print("我的图片！")
img=io.imread(img_name,as_grey=False)
io.imshow(img)

其中变量img_name是为了指定自己图片所存的路径。单击保存按钮，
会跳出一个设置文件名的界面，填入要保存的名字即可。单击运行按钮，一般要单击两次才行，运行代码。单击后，就可以查看的我们显示的图片了。 参考技术B 1.提取待检索电影的每一帧图像的局部敏感哈希 (Locality Sensitive Hashing; LSH) 特征, 并保存下来, 不妨称为库 (gallery). LSH 特征可以用整型来表示, 一般是6...
2.来了一张查询图像 (query), 也计算它的 LSH 特征. 然后与预先保存下来的库中的每个 LSH 特征都计算 Hamming 距离, 返回库中与查询图像 LSH 特征距离最小 (或距离小于指定阈值) ... 参考技术C 作者 | 周伟能 来源 | 小叮当讲SAS和Python
Python在机器学习（人工智能，AI）方面有着很大的优势。谈到人工智能，一般也会谈到其实现的语言Python。前面有几讲也是关于机器学习在图像识别中的应用。今天再来讲一个关于运用google的深度学习框架tensorflow和keras进行训练深度神经网络，并对未知图像进行预测。
导入python模块
导入图像数据
合并列表数据
将图片数据转化为数组
显示一张图片
训练神经网络
我们可以看到测试集的准确率达到99.67%
预测一个图像
预测为汽车的概率为100%。（括号内为真实标签）
预测为美女的概率为100%。（括号内为真实标签）
测试集中前15个图像预测完全正确。Nice!
最后我们来识别单张图片。
结果预测为汽车。Nice!
最后来预测一下外部随便下载的汽车或美女图片
预测为汽车，不错！
小编这里有10张图片，前5张为汽车图片，后五张为美女图片。
下面进行批量预测：
结果也是完全正确。
看到这里，感觉神经网络是不是很神奇，要想让神经网络预测得准确，我们就必须给予大量的数据进行训练模型，优化模型，以至于达到准确识别图像的目的，图像识别作为人工智能的一部分，现在已经慢慢走向成熟，虽然机器也有出错的时候，但是进过不断优化，错误率将会越来越小，相信机器智能或者人工智能时代能够创造出更多智能而美好的东西。为社会，为人类的自由做出更大的贡献。