"# plant_ai" 训练模型--》根据模型识别物体--》根据识别的物体定位裁剪图片--》发送到后台图像分类
后台分类实现:训练分类模型-->根据模型预测
包含以下技术:
基于图像分类
图像分割
图像识别
模型训练
模型保存、恢复和转换
神经网络迁移
其他数据集
train.py --用于训练 注意是用笔记本或台式不是树莓派运行 ---- tensorflow2.2 python3.8
代码参考 https://www.tensorflow.org/tutorials/load_data/images?hl=zh_cn
代码参考 https://www.tensorflow.org/tutorials/keras/save_and_load?hl=zh_cn
代码参考 https://www.tensorflow.org/lite/guide/get_started?hl=zh_cn#2_convert_the_model_format
以下用树莓派运行 -----python3.7 tensoflow1.14
datasets 训练用的数据集
-photos 里面每个文件夹是不同的类别 预测结果会给出不同类别的概率
tflite_runtime-2.1.0.post1-cp37-cp37m-linux_armv7l.whl 这个是树莓派运行tflite的依赖 用pip3 install ./tflite_runtime-2.1.0.post1-cp37-cp37m-linux_armv7l.whl来安装
predict.py --用于预测
启动示例: python3 predict.py --model ./xxx.tflite(这个是模型 必须项)
代码参考:https://www.w3cschool.cn/tensorflow_python/tf_lite_Interpreter.html
detect.tflite 模型能识别各种东西你可以点开那个labelmap.txt 它就是能识别那些标签
detect_picamera.py 物体识别代码 它依赖annotation.py
启动:
python3 detect_picamera.py
--model ./detect.tflite
--labels ./labelmap.txt
参考:
https://www.tensorflow.org/lite/guide/get_started?hl=zh-cn#2_convert_the_model_format
https://www.tensorflow.org/lite/guide/python?hl=zh-cn
https://www.tensorflow.org/tutorials?hl=zh-cn
https://medium.com/@prasad.pai/how-to-use-tensorflow-hub-with-code-examples-9100edec29af