Серия блогов из 4 частей: Документирование результатов моих экспериментов по обнаружению объектов с использованием Keras, Tensorflow
Недавно я работал со своими друзьями из RHT над интересным примером использования Deep Learning. Эта серия блогов представляет собой сборник «как делать» определенные вещи, которые я узнал во время экспериментов с машинным обучением. Вот библиотека всех моих блогов из этой серии
- Часть I: использование предварительно обученной модели Кераса для обнаружения номерных знаков
- Часть II: Преобразование (сохранение) модели Keras в один файл HDF5 (.h5)
- Часть III: Преобразование модели Кераса в модель замороженного графа TensorFlow
- Часть IV: преобразование модели Keras в формат сохраненной модели TensorFlow
Введение
Я использовал предварительно обученную модель под названием wpod-net
для определения номерного знака. Хочу поблагодарить Куанг Нгуен, в моих экспериментах за основу была взята работа Куанг.
Керас разделяет заботы о сохранении архитектуры вашей модели и сохранении веса вашей модели.
- Вес модели: сохраняется в формате HDF5 (* .h5). Это формат сетки, который идеально подходит для хранения многомерных массивов чисел.
- Структура модели: также известная как архитектура модели, которая описывается и сохраняется в формате JSON (также в формате YAML, если вы предпочитаете).
Вы можете найти файлы веса и структуры wpod-net keras wpod-net.h5
и wpod-net.json
в моем репозитории. В этом сообщении в блоге мы узнаем, как использовать эту предварительно обученную модель и определять номерной знак по входному изображению автомобиля. Если вы хотите продолжить, обратитесь к 1_use_pre_trained_model.ipynb
jupyter notebook из моего репозитория.
Предполагая, что вы установили все необходимые библиотеки python, после того, как вы запустите этот ноутбук в среде jupyter, вы сможете определять номерные знаки из предоставленного входного изображения, как показано ниже.
Не расстраивайтесь, если эта модель не принесет желаемых результатов. Это не совсем обученная модель. Для обнаружения обратитесь к образцам изображений, которые я предоставил в каталоге dataset
.
Резюме
- Нам удалось успешно использовать предварительно обученную модель keras, которая представлена в виде двух независимых файлов
wpod-net.h5
, который является файлом модели keras и файлом архитектуры / конфигурацииwpod-net.json
. с помощью возможности определить номерной знак по изображению автомобиля. - В следующем блоге мы узнаем, как сохранить как файл модели keras (* .h5), так и файл конфигурации (* .json) в один файл (* .h5) и убедиться, что он работает правильно.