安装

$ pip install -U numpy

$ pip install chainercv

• Chainer和它的依赖项


• Pillow


• Cython (建立需求)

• Matplotlib


• OpenCV

• 主分支将在稳定版本(v2)和开发版本(v3)上工作。


• 对于使用Chainer v1的用户，请使用0.4.11版本，它可以由命令行pip install chainercv==0.4.11安装。这个分支是不受维护的。

特性

• 彩色图像的通道被命令为RGB。图像阵列的形状是CHW形式(channel（通道）、height（高度）、width（宽度）)。


• 轴依赖的值遵循行列的顺序。

1. 图像的形状总是被表示为(height，width)。


2. 边界框的坐标被排序为(y_min, x_min, y_max, x_max)。(y_min, x_min)和(y_max, x_max)分别是左上的坐标和右下顶点的边界框。


3. 关键点的坐标被排序为(y，x)。

模型

• Faster R-CNN


• Single Shot Multibox Detector (SSD)

• SegNet

from chainercv.links import FasterRCNNVGG16, SSD300

# You can use Faster R-CNN instead of SSD.

# model = FasterRCNNVGG16(pretrained_model='voc07')

model = SSD300(pretrained_model='voc0712')





# `bboxes` is a list of numpy arrays containing coordinates of boundnig boxes

# around objects. `labels` and `scores` are class ids and confidence scores for

# the boxes.

bboxes, labels, scores = model.predict(imgs)  # imgs is a list of image

$ cd examples/ssd # or cd examples/faster_rcnn $ wget https://cloud.githubusercontent.com/assets/2062128/26187667/9cb236da-3bd5-11e7-8bcf-7dbd4302e2dc.jpg -O sample.jpg $ python demo.py sample.jpg

$ cd examples/detection

$ python visualize_models.py

转换

from chainer.datasets import get_mnist

from chainer.datasets import TransformDataset

from chainercv.transforms import random_rotate



dataset, _ = get_mnist(ndim=3)



def transform(in_data):

    # in_data is values returned by __getitem__ method of MNIST dataset.

    img, label = in_data

    img -= 0.5  # rescale to [-0.5, 0.5]

    img = random_rotate(img)

    return img, label

dataset = TransformDataset(dataset, transform)

img, label = dataset[0]