run_inference_for_single_image(image, graph) - Tensorflow，对象检测

Question

参照object_detection_tutorial.ipynb。我想知道是否可以运行目录中的所有图像。

而不是编写一个 for 循环和运行宁一个 "run_inference_for_single_image(image, graph)"。有没有办法运行对目录中所有图像的推断或运行对多个图像的推断。 link

  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)

这将每次创建 tf.session，我认为它的计算量很大。如有错误请指正

Answer 1

如您所知，'run_inference_for_single_image' 方法每次都创建。如果你想推断多张图片，你应该更改代码，

方法调用

images = []
for f in files:
  if f.lower().endswith(('.png', '.jpg', '.jpeg')):
    image_path = files_dir + '/' + f
    image =  .... // Read image etc.
    images.append(image)
    output_dicts = run_inference_for_multiple_images(images, detection_graph)

run_inference_for_multiple_images

def run_inference_for_multiple_images(images, grapg):
  with graph.as_default():
    with tf.Session() as sess:
      output_dicts = []

      for index, image in enumerate(images):
        ... same as inferencing for single image

         output_dicts.append(output_dict)

   return output_dicts

此代码将执行一次而不会每次都创建 tf.session。

Answer 2

我从 google 找到了这个教程 - creating-object-detection-application-tensorflow. After looking into its github page --> object_detection_app --> app.py 我们只需要运行 detect_objects(image_path) 每次我们想要检测一个对象时函数。

Answer 3

根据 GPU 的计算能力和图像的大小，可以运行推断一批图像。

第 1 步：将所有测试图像堆叠在一个阵列中：

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)

第 2 步：运行对批次的推断：（较大的批次大小可能会导致内存不足问题）

  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 (?, height, width, 3)

一些提示：

您可能只想加载图表一次，因为加载需要几秒钟。
我观察到使用 skimage.io.imread() 或 cv2.imread() 加载图像的速度相当快。这些函数直接将图像加载为 numpy 数组。
用于保存图像的 skimage 或 opencv 比 matplotlib 更快。

run_inference_for_single_image(image, graph) - Tensorflow，对象检测

run_inference_for_single_image(image, graph) - Tensorflow, object detection

object-detection

tensorflow