赞
踩
本模型是对含有动物的图像进行标签识别,无需任何额外输入,输出动物的类别标签,目前已经覆盖了8K多类的细粒度的动物类别。
模型采用resnest101网络结构。
使用方式:
使用场景:
代码范例:
- # encoding=utf-8
- from modelscope.pipelines import pipeline
- from modelscope.utils.constant import Tasks
- import torchvision
- from PIL import Image
-
-
- image = Image.open('./cat.jpeg')
- print(image.size)
- image = image.resize((256, 256))
- # 生成一个CenterCrop类的对象,用来将图片从中心裁剪成224*224
- crop_obj = torchvision.transforms.CenterCrop((224, 224))
- image = crop_obj(image)
- print(image.size)
-
- animal_recognition = pipeline(
- Tasks.animal_recognition,
- model='damo/cv_resnest101_animal_recognition',)
- result = animal_recognition('./cat.jpeg')
- print(result)
注:训练集为自己提供的,输入数据集之前需要对数据集进行预处理。
训练数据共约700w带有动物标签的数据。
图像输入:resize到256*256,然后CenterCrop到224*224。
初始LR为 0.0003,每隔10个epoch,lr调整为原来的1/4,共训练100个epoch。
pip install "modelscope[cv]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html
- from modelscope.pipelines import pipeline
- from modelscope.utils.constant import Tasks
-
- animal_recognition = pipeline('animal-recognition', 'damo/cv_resnest101_animal_recognition')
提供input输入
result = animal_recognition('xxx.jpg') # 这里为自己的数据集
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。