بینایی کامپیوتر با TensorFlow

TensorFlow تعدادی ابزار بینایی کامپیوتری (CV) و طبقه بندی تصویر را فراهم می کند. این سند برخی از این ابزارها را معرفی می‌کند و مروری بر منابع ارائه می‌کند تا به شما کمک کند تا کارهای رایج CV را شروع کنید.

کتابخانه ها و ابزارهای چشم انداز

TensorFlow ابزارهای CV را از طریق کتابخانه های سطح بالاتر Keras و ماژول سطح پایین tf.image فراهم می کند. برای بیشتر موارد استفاده، کتابخانه‌های Keras راحت‌تر از جایگزین‌های داخلی TensorFlow هستند. اما اگر گزینه‌های Keras مناسب مورد استفاده شما نیستند، یا می‌خواهید کنترل سطح پایین‌تری بر پیش‌پردازش تصویر داشته باشید، ممکن است به ابزارهای سطح پایین‌تر TensorFlow نیاز داشته باشید.

KerasCV

اگر به تازگی با یک پروژه CV شروع کرده اید و مطمئن نیستید که به کدام کتابخانه و ابزار نیاز دارید، KerasCV مکان خوبی برای شروع است. KerasCV یک کتابخانه از اجزای CV مدولار است که بر روی Keras Core ساخته شده است. KerasCV شامل مدل‌ها، لایه‌ها، معیارها، تماس‌های برگشتی و سایر ابزارهایی است که API سطح بالای Keras را برای وظایف CV گسترش می‌دهند. APIهای KerasCV می‌توانند به تقویت داده‌ها، طبقه‌بندی، تشخیص اشیا، تقسیم‌بندی، تولید تصویر و سایر گردش‌های کاری رایج CV کمک کنند. می‌توانید از KerasCV برای مونتاژ سریع خطوط لوله آموزشی در سطح تولید، پیشرفته‌ترین و پیشرفته‌ترین خطوط لوله استفاده کنید.

خدمات شهری Keras

tf.keras.utils چندین ابزار پیش پردازش تصویر سطح بالا را ارائه می دهد. به عنوان مثال، tf.keras.utils.image_dataset_from_directory یک tf.data.Dataset را از فهرستی از تصاویر روی دیسک تولید می کند.

tf.image

اگر KerasCV مناسب مورد استفاده شما نیست، می توانید از tf.image و tf.data برای نوشتن خطوط لوله یا لایه های تقویت داده خود استفاده کنید.

ماژول tf.image شامل توابع مختلفی برای پردازش تصویر است، مانند tf.image.flip_left_right ، tf.image.rgb_to_grayscale ، tf.image.adjust_brightness ، tf.image.central_crop ، و tf.image.stateless_random* .

tf.data API شما را قادر می سازد خطوط لوله ورودی پیچیده ای را از قطعات ساده و قابل استفاده مجدد بسازید.

مجموعه داده های TensorFlow

مجموعه داده های TensorFlow مجموعه ای از مجموعه های داده آماده برای استفاده با TensorFlow است. بسیاری از مجموعه داده ها (به عنوان مثال، MNIST ، Fashion-MNIST ، و TF Flowers ) می توانند برای توسعه و آزمایش الگوریتم های بینایی رایانه استفاده شوند.

از کجا شروع کنیم

منابع زیر به شما کمک می کند تا با ابزارهای TensorFlow و Keras CV راه اندازی کنید.