如何使用 .mat 数据集或 S3 图像文件夹批量测试 Sagemaker 对象检测模型？
How to bulk test the Sagemaker Object detection model with a .mat dataset or S3 folder of images?
我训练了以下 Sagemaker 模型：https://github.com/awslabs/amazon-sagemaker-examples/tree/master/introduction_to_amazon_algorithms/object_detection_pascalvoc_coco
我已经尝试了 JSON 和 RecordIO 版本。在这两种情况下，算法都在一个样本图像上进行了测试。但是，我有一个包含 2000 张图片的数据集，我想对其进行测试。我已将 2000 张 jpg 图片保存在 S3 存储桶中的一个文件夹中，并且我还有两个 .mat 文件（图片 + 地面实况）。我怎样才能一次将这个模型应用于所有 2000 张图片然后保存结果，而不是一次只做一张图片？
我正在使用下面的代码从我的 S3 存储桶中加载一张图片：
object = bucket.Object('pictures/pic1.jpg')
object.download_file('pic1.jpg')
img=mpimg.imread('pic1.jpg')
img_name = 'pic1.jpg'
imgplot = plt.imshow(img)
plt.show(imgplot)
with open(img_name, 'rb') as image:
f = image.read()
b = bytearray(f)
ne = open('n.txt','wb')
ne.write(b)
import json
object_detector.content_type = 'image/jpeg'
results = object_detector.predict(b)
detections = json.loads(results)
print (detections['prediction'])
我不确定我是否正确理解了你的问题。但是，如果你想一次将多个图像提供给模型，你可以创建一个多维图像数组（字节数组）来提供模型。
代码看起来像这样。
import numpy as np
...
# predict_images_list is a Python list of byte arrays
predict_images = np.stack(predict_images_list)
with graph.as_default():
# results is an list of typical results you'd get.
results = object_detector.predict(predict_images)
但是，我不确定一次输入 2000 张图像是否是个好主意。最好一次将它们分成 20-30 张图像并进行预测。
我训练了以下 Sagemaker 模型：https://github.com/awslabs/amazon-sagemaker-examples/tree/master/introduction_to_amazon_algorithms/object_detection_pascalvoc_coco
我已经尝试了 JSON 和 RecordIO 版本。在这两种情况下，算法都在一个样本图像上进行了测试。但是，我有一个包含 2000 张图片的数据集，我想对其进行测试。我已将 2000 张 jpg 图片保存在 S3 存储桶中的一个文件夹中，并且我还有两个 .mat 文件（图片 + 地面实况）。我怎样才能一次将这个模型应用于所有 2000 张图片然后保存结果，而不是一次只做一张图片？
我正在使用下面的代码从我的 S3 存储桶中加载一张图片：
object = bucket.Object('pictures/pic1.jpg')
object.download_file('pic1.jpg')
img=mpimg.imread('pic1.jpg')
img_name = 'pic1.jpg'
imgplot = plt.imshow(img)
plt.show(imgplot)
with open(img_name, 'rb') as image:
f = image.read()
b = bytearray(f)
ne = open('n.txt','wb')
ne.write(b)
import json
object_detector.content_type = 'image/jpeg'
results = object_detector.predict(b)
detections = json.loads(results)
print (detections['prediction'])
我不确定我是否正确理解了你的问题。但是，如果你想一次将多个图像提供给模型，你可以创建一个多维图像数组（字节数组）来提供模型。
代码看起来像这样。
import numpy as np
...
# predict_images_list is a Python list of byte arrays
predict_images = np.stack(predict_images_list)
with graph.as_default():
# results is an list of typical results you'd get.
results = object_detector.predict(predict_images)
但是，我不确定一次输入 2000 张图像是否是个好主意。最好一次将它们分成 20-30 张图像并进行预测。