README.md 1.8 KB
Newer Older
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84
# food_classification

类别 图像 - 图像分类

网络 ResNet50_vd_ssld


> 模型概述

美食分类(food_classification),该模型可识别苹果派,小排骨,烤面包,牛肉馅饼,牛肉鞑靼。该PaddleHub Module支持API预测及命令行预测。

> 选择模型版本进行安装

```shell
$ hub install food_classification==1.0.0
```
> Module API说明

```python
def predict(self,
                images=None,
                paths=None,
                batch_size=1,
                use_gpu=False,
                **kwargs):
```
美食分类预测接口,输入一张图像,输出该图像上食物的类别

参数

* images (list[numpy.ndarray]): 图片数据,ndarray.shape 为 [H, W, C],BGR格式;
* paths (list[str]): 图片的路径;
* batch_size (int): batch 的大小;
* use_gpu (bool): 是否使用 GPU;

返回

* res (list[dict]): 识别结果的列表,列表中每一个元素为 dict,各字段为:
    * category_id (int): 类别的id;
    * category(str): 类别;
    * score(float): 准确率;

## 代码示例

### API调用

```python
import cv2
import paddlehub as hub

module = hub.Module(name="food_classification")

images = [cv2.imread('PATH/TO/IMAGE')]

# execute predict and print the result
results = module.predict(images=images)
for result in results:
    print(result)
```

### 命令行调用
```shell
$ hub run food_classification --input_path /PATH/TO/IMAGE --use_gpu True
```

## 效果展示

### 原图
<img src="/docs/imgs/Readme_Related/Image_Classification_apple_pie.png">

### 输出结果
```python
[{'category_id': 0, 'category': 'apple_pie', 'score': 0.9985085}]
```

## 贡献者
彭兆帅、郑博培

## 依赖
paddlepaddle >= 2.0.0

paddlehub >= 2.0.0

paddlex >= 1.3.7