Run_inference_for_single_image(图像，图形)- Tensorflow，目标检测

Question

参考tutorial.ipynb。我想知道是否可以运行目录中的所有图像。

而不是写一个for循环，运行一个“run_inference_for_single_image(图像，图形)”。是否有一种方法可以对目录中的所有图像运行推断，或者对多个图像运行推断。链接

  for f in files:
    if f.lower().endswith(('.png', '.jpg', '.jpeg')):
      image_path = files_dir + '/' + f
       .... // Read image etc.
      output_dict = run_inference_for_single_image(image_np, detection_graph)

这每次都会创建tf.session，我认为它的计算成本很高。如果我错了，请纠正我。

Answer 1

我从google - creating-object-detection-application-tensorflow上找到了这个教程。在查看了它的github页面 --> 应用程序 --> app.py之后，我们只需要在每次检测对象时运行github页面函数。

Answer 2

如您所知，“run_inference_for_single_image”方法每次都会创建。如果您想要对多个图像进行推断，您应该更改代码，

• 方法调用 文件中f的图像= []：if f.lower().endswith((‘..png’，'.jpg'，'.jpeg'))：image_path = files_dir + '/‘+f映像=.//读取图像等images.append(图像) output_dicts =run_inference_for_multiple_images(图像，detection_graph)
• run_inference_for_multiple_images def run_inference_for_multiple_images(图像，笔画)：使用graph.as_default()：使用tf.Session()作为sess: output_dicts = []作为索引，图像在枚举(图像)：.与对单个图像output_dicts.append(output_dict)返回output_dicts的推断相同

此代码将在每次只创建一次tf.session的情况下执行。

Answer 3

根据GPU的计算能力和图像的大小，可以对批量图像进行推理。

步骤1:将所有测试图像堆叠在一个数组中：

for image_path in glob.glob(PATH_TO_TEST_IMAGES_DIR + '/*.jpg'):
    image_np = io.imread(image_path)  #
    image_array.append(image_np)
image_array = np.array(image_array)

步骤2:对批处理运行推断：(批大小越大可能导致内存不足)

  BATCH_SIZE = 5
  for i in range(0, image_array.shape[0],BATCH_SIZE):
    output_dict = sess.run(tensor_dict, feed_dict={image_tensor: image_array[i:i+BATCH_SIZE]})


    print("number of images inferenced = ", i+BATCH_SIZE)
    output_dict_array.append(output_dict)

确保image_tensor和image_array的尺寸匹配。在这个例子中，image_array是(?，高度，宽度，3)

一些小贴士：

1. 您可能希望只加载一次图形，因为加载只需几秒钟。
2. 我注意到在加载图像时使用skimage.io.imread()或cv2.imread()非常快。这些函数直接将图像作为numpy数组加载。
3. skimage或opencv保存图像的速度比matplotlib快。