pytorch的torchvision.models模块fasterrcnn目标检测之一

本文通过PyTorch的torchvision.models模块加载预训练的Faster R-CNN模型,展示了如何进行目标检测。在对图像进行处理后,检测到多个目标,但置信度较低。为了筛选有效目标,设置了0.85以上的置信度阈值,并探讨了目标检测结果的可视化方法。

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

import torch
import torchvision.models as models
import torchvision

提前下载好权重文件,加载fasterrcnn模型

net = models.detection.fasterrcnn_resnet50_fpn(pretrained=False)
pthfile = r'G:\Anaconda3\envs\pytorch\Lib\site-packages\torchvision\models\fasterrcnn_resnet50_fpn_coco-258fb6c6.pth'
net.load_state_dict(torch.load(pthfile))
#print(net)

我们用PIL读取一张图片,进去看看

from PIL import Image
img = Image.open("maandgirl.jpg")
img

在这里插入图片描述

from torchvision import transforms
transform = transforms.Compose([            #[1]
 transforms.Resize(256),                    #[2]
 transforms.CenterCrop(224),                #[3]
 transforms.ToTensor(),                     #[4]
 transforms.Normalize(                      #[5]
 mean=[0.485, 0.456, 0.406],                #[6]
 std=[0.229
评论 4
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