人工智能训练师

Appearance

3.2.1 图像识别评估系统交互流程设计 ​

1.导入库 ​

python
import onnxruntime as ort
import numpy as np
import scipy.special
from PIL import Image
  • onnxruntime : 用于加载和运⾏ ONNX 模型
  • numpy : 用于数值计算和数组操作
  • scipy.special : 提供特殊数学函数，这里使用
  • softmax PIL.Image : Python 图像处理库

2.图像预处理函数 ​

python
def preprocess_image(image, resize_size=256, crop_size=224, mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]):

定义预处理函数，参数：

  • image : 输入的 PIL 图像
  • resize_size=256 : 先调整到的尺⼨
  • crop_size=224 : 最终裁剪的尺⼨
  • mean : 各通道的均值，⽤于归⼀化
  • std : 各通道的标准差，⽤于归⼀化
python
image = image.resize((resize_size, resize_size), Image.BILINEAR)

将图像缩放到 256×256 像素，使⽤双线性插值

python
w, h = image.size
left = (w - crop_size) / 2
top = (h - crop_size) / 2
image = image.crop((left, top, left + crop_size, top + crop_size))

计算中心裁剪位置并裁剪出 224×224 区域

python
image = np.array(image).astype(np.float32)

将图像转换为 numpy 数组并转为 float32 类型

python
image = image / 255.0
image = (image - mean) / std

将像素值归⼀化到 [0,1] ，然后⽤ ImageNet 的均值和标准差标准化

python
image = np.transpose(image, (2, 0, 1))
image = image.reshape((1,) + image.shape)

将通道维度移到前⾯ (C,H,W) ，然后添加 batch 维度 (1,C,H,W)

python
return image

返回处理后的图像张量

3.加载模型 ​

python
session = ort.InferenceSession('resnet.onnx')

创建 ONNX 运⾏时会话，加载 resnet.onnx 模型

4.加载类别标签 ​

python
labels_path = 'labels.txt'
with open(labels_path) as f:
    labels = [line.strip() for line in f.readlines()]

读取 labels.txt ⽂件，每⾏⼀个类别标签，存入列表

5.获取输入输出名称 ​

python
input_name = session.get_inputs()[0].name
output_name = session.get_outputs()[0].name

获取模型输入和输出的名称，⽤于后续推理

6.加载测试图像 ​

python
image = Image.open('img_test.jpg').convert('RGB')

打开 img_test.jpg 并转换为 RGB 格式

7.预处理图像 ​

python
processed_image = preprocess_image(image)
processed_image = processed_image.astype(np.float32)

调⽤预处理函数，并确保数据类型为 float32

8.模型推理 ​

python
output = session.run([output_name], {input_name: processed_image})[0]

运⾏模型推理，输入处理后的图像，获取输出结果

9.计算概率 ​

python
probabilities = scipy.special.softmax(output, axis=-1)

对输出应⽤ softmax 函数，得到各类别的概率分布

10.获取 Top5 结果 ​

python
top5_idx = np.argsort(probabilities[0])[-5:][::-1]
top5_prob = probabilities[0][top5_idx]
  • 对概率排序，获取前 5 个最⼤值的索引 ( 降序 )
  • 获取对应的概率值

11.打印结果 ​

python
print("Top 5 predicted classes:")
for i in range(5):
  print(f"{i+1}: {labels[top5_idx[i]]} - Probability: {top5_prob[i]}")

按概率从⾼到低打印前 5 个预测结果，包括类别名称和概率值

人机交互的最优方式 ​

  1. 用户界面设计：提供一个简洁直观的用户界面，方便用户上传图片和查看识别结果。

  2. 模型加载：系统启动时预加载模型和标签，减少用户等待时间。

  3. 图像上传与预处理：允许用户上传图片，并自动进行必要的预处理。

  4. 图像识别：后台使用“resnet.onnx”模型处理预处理后的图片。

  5. 结果展示：清晰展示识别结果，包括最可能的类别和概率。

  6. 交互反馈：提供用户反馈选项，以改进模型性能。

  7. 帮助与支持：内置帮助文档和客服支持，提升用户体验。

  8. 性能优化：优化系统响应速度和模型处理能力。

  9. 安全性考虑：确保用户数据安全和隐私保护。

  10. 多语言支持：界面支持多语言，满足全球用户需求。

  11. 可访问性：确保UI无障碍，方便所有用户操作。