圖像分類(lèi)是人工智能領(lǐng)域的一個(gè)熱門(mén)話(huà)題，通俗來(lái)講，就是根據(jù)各自在圖像信息中反映的不同特征，把不同類(lèi)別的目標(biāo)區(qū)分開(kāi)。圖像分類(lèi)利用計(jì)算機(jī)對(duì)圖像進(jìn)行定量分析，把圖像或圖像中的每個(gè)像元或區(qū)域劃歸為若干個(gè)類(lèi)別中的某一種，代替人的視覺(jué)判讀。
在實(shí)際生活中，我們也會(huì)遇到圖像分類(lèi)的應(yīng)用場(chǎng)景，例如我們常用的通過(guò)拍照花朵來(lái)識(shí)別花朵信息，通過(guò)人臉匹對(duì)人物信息等。通常，圖像識(shí)別或分類(lèi)工具都是在客戶(hù)端進(jìn)行數(shù)據(jù)采集，在服務(wù)端進(jìn)行運(yùn)算獲得結(jié)果。因此，一般都會(huì)有專(zhuān)門(mén)的 API 來(lái)實(shí)現(xiàn)圖像識(shí)別，云廠商也會(huì)有償提供類(lèi)似的能力：
華為云圖像標(biāo)簽本文將嘗試通過(guò)一個(gè)有趣的 Python 庫(kù)，快速將圖像分類(lèi)的功能搭建在云函數(shù)上，并且和 API 網(wǎng)關(guān)結(jié)合，對(duì)外提供 API 功能，實(shí)現(xiàn)一個(gè) Serverless 架構(gòu)的 " 圖像分類(lèi) API"。
入門(mén) ImageAI首先，我們需要一個(gè)依賴(lài)庫(kù)：ImageAI。
什么是 ImageAI 呢？其官方文檔是這樣描述的：
ImageAI 是一個(gè) python 庫(kù)，旨在使開(kāi)發(fā)人員能夠使用簡(jiǎn)單的幾行代碼構(gòu)建具有包含深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)功能的應(yīng)用程序和系統(tǒng)。ImageAI 本著簡(jiǎn)潔的原則，支持最先進(jìn)的機(jī)器學(xué)習(xí)算法，用于圖像預(yù)測(cè)、自定義圖像預(yù)測(cè)、物體檢測(cè)、視頻檢測(cè)、視頻對(duì)象跟蹤和圖像預(yù)測(cè)訓(xùn)練。ImageAI 目前支持使用在 ImageNet-1000 數(shù)據(jù)集上訓(xùn)練的 4 種不同機(jī)器學(xué)習(xí)算法進(jìn)行圖像預(yù)測(cè)和訓(xùn)練。ImageAI 還支持使用在 COCO 數(shù)據(jù)集上訓(xùn)練的 RetinaNet 進(jìn)行對(duì)象檢測(cè)、視頻檢測(cè)和對(duì)象跟蹤。 最終，ImageAI 將為計(jì)算機(jī)視覺(jué)提供更廣泛和更專(zhuān)業(yè)化的支持，包括但不限于特殊環(huán)境和特殊領(lǐng)域的圖像識(shí)別。
簡(jiǎn)單理解，就是 ImageAI 依賴(lài)庫(kù)可以幫助用戶(hù)完成基本的圖像識(shí)別和視頻的目標(biāo)提取。不過(guò)，ImageAI 雖然提供一些數(shù)據(jù)集和模型，但我們也可以根據(jù)自身需要對(duì)其進(jìn)行額外的訓(xùn)練，進(jìn)行定制化拓展。
其官方代碼給出了這樣一個(gè)簡(jiǎn)單的 Demo:
from imageai.Prediction import ImagePrediction
import os
execution_path = os.getcwd()
prediction = ImagePrediction()
prediction.setModelTypeAsResNet()
prediction.setModelPath(os.path.join(execution_path, "resnet50_weights_tf_dim_ordering_tf_kernels.h5"))
prediction.loadModel()
predictions, probabilities = prediction.predictImage(os.path.join(execution_path, "1.jpg"), result_count=5 )
for eachPrediction, eachProbability in zip(predictions, probabilities):
print(eachPrediction + " : " + eachProbability)我們可以在本地進(jìn)行初步運(yùn)行，指定圖片1.jpg為下圖時(shí)：
可以得到結(jié)果：
convertible : 52.459537982940674
sports_car : 37.61286735534668
pickup : 3.175118938088417
car_wheel : 1.8175017088651657
minivan : 1.7487028613686562通過(guò)上面的 Demo，我們可以考慮將這個(gè)模塊部署到云函數(shù)：
首先，在本地創(chuàng)建一個(gè) Python 的項(xiàng)目：mkdir imageDemo新建文件：vim index.py根據(jù)云函數(shù)的一些特殊形式，我們對(duì) Demo 進(jìn)行部分改造將初始化的代碼放在外層；將預(yù)測(cè)部分當(dāng)做觸發(fā)所需要執(zhí)行的部分，放在入口方法中（此處是 main_handler）;云函數(shù)與 API 網(wǎng)關(guān)結(jié)合對(duì)二進(jìn)制文件支持并不是十分的友善，所以此處通過(guò) base64 進(jìn)行圖片傳輸；入?yún)⒍閧"picture": 圖片的 base64}，出參定為：{"prediction": 圖片分類(lèi)的結(jié)果}實(shí)現(xiàn)的代碼如下：
閱讀更多如果你想閱讀更多相關(guān)內(nèi)容，可以點(diǎn)擊文末了解更多查看
