ImageAI使用 Python 快速简单实现图像内容预测

ImageAI是一个 python 库，旨在使开发人员能够使用简单的几行代码构建具有包含深度学习和计算机视觉功能的应用程序和系统。 这个 AI Commons 项目https://commons.specpal.science 由 Moses Olafenwa 和 John Olafenwa 开发和维护。

ImageAI 本着简洁的原则，支持最先进的机器学习算法，用于图像预测，自定义图像预测，物体检测，视频检测，视频对象跟踪和图像预测训练。ImageAI目前支持使用在ImageNet-1000数据集上训练的4种不同机器学习算法进行图像预测和训练。ImageAI还支持使用在COCO数据集上训练的RetinaNet进行对象检测，视频检测和对象跟踪。 最终，ImageAI 将为计算机视觉提供更广泛和更专业化的支持，包括但不限于特殊环境和特殊领域的图像识别。

ImageAI 从 2021 年 6 月开始切换到了 PyTorch 后端。

新版本：ImageAI 2.0.1

新功能：

• 添加了 SqueezeNet，ResNet50，InceptionV3 和 DenseNet121 模型进行自定义图像预测训练
• 添加了自定义训练模型和json文件进行导入和导出自定义图像
• 预览版：添加视频对象检测和视频自定义对象检测（对象跟踪）
• 为所有图像预测和对象检测任务添加文件，numpy数组和流输入类型（仅用于视频检测的文件输入）
• 添加文件和numpy数组输出类型，用于图像中的对象检测和自定义对象检测
• 引入4种速度模式（’normal’, ‘fast’, ‘faster’ and ‘fastest’）进行图像预测，在’fastest’速度模式下预测时间将缩短50％，同时保持预测精准度
• 为图像所有物体检测和视频物体检测任务引入5种速度模式（’normal’, ‘fast’, ‘faster’, ‘fastest’ and ‘flash’），在’flash’速度模式下预测时间将缩短80％以上并且精准度与minimum_percentage_probability保持一致，请将该值调至较低
• 引入帧检测率，允许开发人员调整视频中的检测间隔frame_detection_interval，有利于达到特定效果。