做一个图像分类任务(二)预测单张图像-英文

本文介绍如何使用PyTorch中的ResNet18模型对单张图片进行图像分类,包括预处理、模型预测、softmax输出分析以及绘制预测结果的置信图。代码还展示了如何将预测结果写入原图和CSV表格中。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

建立目录

用来存放测试的图片与结果

# 建立目录
if os.path.exists('test_img'):
    print('{} is exited'.format('test_img'))
else:
    # 存放测试图片
    os.mkdir('test_img')

if os.path.exists('output'):
    print('{} is exited'.format('output'))
else:
    # 存放结果文件
    os.mkdir('output')

代码

使用pytorch自带的 resnet18 模型来预测单张图片的类别,其流程如下:

  • 载入数据集
  • 对图像进行预处理
  • 模型预测
  • softmax输出结果
  • 对结果进行处理
# coding:gbk
import os
from tkinter import N
from tkinter.tix import InputOnly
from tkinter.ttk import LabeledScale
from tokenize import Ignore
import cv2
import pandas as pd
import numpy as np
import torch
import matplotlib.pyplot as plt
from torchvision import models
from torchvision import transforms
from PIL import Image
import torch.nn.functional as F
import matplotlib
from IPython.display import display
# 预训练图像分类模型预测单张图像-英文
def predict_single_pic_en(img_path,output_path,csv_path):
    # 使用GPU
    device=torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
    print('device:',device)
    model=models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1)
    # dir(models)# 可以看到所有的模型
    model=model.eval()
    model=model.to(device)
    # 图像预处理:测试集图像预处理-RCTN:缩放裁剪、转Tensor、归一化 只接收pillow格式的图像
    test_transform=transforms.Compose([transforms.Resize(256),
                                    transforms.CenterCrop(224),
                                    transforms.ToTensor(),
                                    transforms.Normalize(mean=[0.485,0.456
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值