探索基于 Hugging Face 的目标检测

文章预览

点击下方 卡片 ，关注“ 小白玩转Python ”公众号 机器学习中的目标检测任务涉及识别图像或视频中特定类别（如人、汽车或动物）的实例，然后通过在它们周围绘制边界框来准确定位这些实例。让我们快速尝试一个模型：我们将在图像中检测猫： from transformers import pipeline model = pipeline( "object-detection" ) result = model( "cat.jpg" ) result "" " [{'score': 0.9988692402839661, 'label': 'cat', 'box': {'xmin': 854, 'ymin': 499, 'xmax': 4094, 'ymax': 2797}}] " "" 我们初始化了一个目标检测管道。 result 是输出。 score ：表示模型对其预测的置信度。在这里，置信度约为 99.89%，表明模型非常自信检测到的对象是一只猫。 label ：指定检测到的对象类别。模型将该对象标记为“cat”。 box ：包含识别图像中检测到的对象位置的边界框坐标。边界框由以下坐标定义： xmin 和 ymin ：边界框左上角的 ………………………………