画像分類のデモ (Python)¶
概要¶
スクリプト image_classification.py は、テキストファイルで指定されたすべての画像とそのラベルを読み取ります。次に、ResNet50 モデルを使用してそれらを分類し、精度の結果を表示します。
ResNet50 モデルのダウンロード¶
mkdir -p model/1
wget -P model/1 https://storage.openvinotoolkit.org/repositories/open_model_zoo/2022.1/models_bin/2/resnet50-binary-0001/FP32-INT1/resnet50-binary-0001.bin
wget -P model/1 https://storage.openvinotoolkit.org/repositories/open_model_zoo/2022.1/models_bin/2/resnet50-binary-0001/FP32-INT1/resnet50-binary-0001.xml
OpenVINO™ モデルサーバーの実行¶
docker run -d -v $PWD/model:/models -p 9000:9000 openvino/model_server:latest --model_path /models --model_name resnet --port 9000
クライアントの実行¶
git clone https://github.com/openvinotoolkit/model_server.git
cd model_server/demos/image_classification/python
python image_classification.py --help
usage: image_classification.py [-h] [--images_list IMAGES_LIST]
[--grpc_address GRPC_ADDRESS]
[--grpc_port GRPC_PORT]
[--input_name INPUT_NAME]
[--output_name OUTPUT_NAME]
[--model_name MODEL_NAME] [--size SIZE]
[--rgb_image RGB_IMAGE]
引数¶
引数 |
説明 |
---|---|
-h、–help |
ヘルプを表示して終了します。 |
–images_list |
ラベル付き画像のリストを含むファイルへのパス。 |
–grpc_address GRPC_ADDRESS |
grpc サービスへの URL を指定します。 |
–grpc_port GRPC_PORT |
grpc サービスのポートを指定します。 |
–input_name |
入力テンソル名を指定します。 |
–output_name |
出力名を指定します。 |
–model_name |
モデル名を定義します。現在使用されているものと同じである必要があります。 |
–size SIZE |
モデル内の画像のサイズ。 |
–rgb_image RGB_IMAGE |
入力画像の BGR チャネルを RGB チャネルに変換します。 |
使用例¶
python image_classification.py --grpc_port 9000 --input_name 0 --output_name 1463 --images_list ../input_images.txt
Start processing:
Model name: resnet
Images list file: ../input_images.txt
../../common/static/images/airliner.jpeg (1, 3, 224, 224) ; data range: 0.0 : 255.0
Processing time: 25.08 ms; speed 39.87 fps
1 airliner 404 ; Correct match.
../../common/static/images/arctic-fox.jpeg (1, 3, 224, 224) ; data range: 0.0 : 255.0
Processing time: 22.97 ms; speed 43.53 fps
2 Arctic fox, white fox, Alopex lagopus 279 ; Correct match.
../../common/static/images/bee.jpeg (1, 3, 224, 224) ; data range: 0.0 : 255.0
Processing time: 24.45 ms; speed 40.90 fps
3 bee 309 ; Correct match.
../../common/static/images/golden_retriever.jpeg (1, 3, 224, 224) ; data range: 0.0 : 255.0
Processing time: 23.93 ms; speed 41.78 fps
4 golden retriever 207 ; Correct match.
../../common/static/images/gorilla.jpeg (1, 3, 224, 224) ; data range: 0.0 : 255.0
Processing time: 24.72 ms; speed 40.46 fps
5 gorilla, Gorilla gorilla 366 ; Correct match.
../../common/static/images/magnetic_compass.jpeg (1, 3, 224, 224) ; data range: 0.0 : 247.0
Processing time: 24.74 ms; speed 40.43 fps
6 magnetic compass 635 ; Correct match.
../../common/static/images/peacock.jpeg (1, 3, 224, 224) ; data range: 0.0 : 255.0
Processing time: 22.39 ms; speed 44.66 fps
7 peacock 84 ; Correct match.
../../common/static/images/pelican.jpeg (1, 3, 224, 224) ; data range: 0.0 : 255.0
Processing time: 25.96 ms; speed 38.53 fps
8 pelican 144 ; Correct match.
../../common/static/images/snail.jpeg (1, 3, 224, 224) ; data range: 0.0 : 248.0
Processing time: 23.68 ms; speed 42.23 fps
9 snail 113 ; Correct match.
../../common/static/images/zebra.jpeg (1, 3, 224, 224) ; data range: 0.0 : 255.0
Processing time: 23.68 ms; speed 42.24 fps
10 zebra 340 ; Correct match.
Overall accuracy= 100.0 %
Average latency= 23.5 ms