旋转图像并加载到 MXNet 模型
Rotating image and load to MXNet model
有没有办法加载图像,旋转它并将其加载到 MXNet 模型(例如:yolov3)。
我使用以下方法,但我认为它效率不高:
1/加载图像并用枕头旋转它
image = Image.open(img_path)
image = image.rotate(90)
2/保存图片然后用gluoncv
加载(我这里用的是yolo所以用的是yolo.load_test):
#Save image
image.save(name +".png")
#Load image with gluoncv
imgs_for_inference, imgs_for_plot = gluoncv.data.transforms.presets.yolo.load_test(
images_names,
short=512)
在尝试了一些库之后,我发现了一个更简单的方法来解决这个问题,不需要保存图像然后加载它(这是非常低效的)。我使用 pillow 加载图像并旋转它,然后使用 transform_test 获取 MXNet 张量以便提供给模型:
from PIL import Image
image = Image.open(path_to_image)
image = image.rotate(90)
tensor, _ = gluoncv.data.transforms.presets.yolo.transform_test(
images,
short=512
)
prediction = model(tensor)
有没有办法加载图像,旋转它并将其加载到 MXNet 模型(例如:yolov3)。
我使用以下方法,但我认为它效率不高:
1/加载图像并用枕头旋转它
image = Image.open(img_path)
image = image.rotate(90)
2/保存图片然后用gluoncv
加载(我这里用的是yolo所以用的是yolo.load_test):
#Save image
image.save(name +".png")
#Load image with gluoncv
imgs_for_inference, imgs_for_plot = gluoncv.data.transforms.presets.yolo.load_test(
images_names,
short=512)
在尝试了一些库之后,我发现了一个更简单的方法来解决这个问题,不需要保存图像然后加载它(这是非常低效的)。我使用 pillow 加载图像并旋转它,然后使用 transform_test 获取 MXNet 张量以便提供给模型:
from PIL import Image
image = Image.open(path_to_image)
image = image.rotate(90)
tensor, _ = gluoncv.data.transforms.presets.yolo.transform_test(
images,
short=512
)
prediction = model(tensor)