MOJAB 24

کد پایتون برای تشخیص اشیاء سه بعدی درون تصویر

برای تشخیص اشیاء سه بعدی درون تصویر می‌توانید از یک شبکه عصبی عمیق مانند YOLO (You Only Look Once) استفاده کنید. این شبکه عصبی می‌تواند به طور همزمان اشیاء مختلف را در تصویر تشخیص دهد و بازبینی کند.

در زیر یک قطعه کد پایتون برای تشخیص اشیاء سه بعدی در تصویر با استفاده از YOLO آورده شده است:

import cv2
import numpy as np

# Load YOLO
net = cv2.dnn.readNet("yolov3.weights", "yolov3.cfg")
layer_names = net.getLayerNames()
output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]

# Load image
image = cv2.imread("image.jpg")
height, width, channels = image.shape

# Preprocess image
blob = cv2.dnn.blobFromImage(image, 0.00392, (416, 416), (0, 0, 0), True, crop=False)
net.setInput(blob)
outs = net.forward(output_layers)

# Process detections
for out in outs:
    for detection in out:
        scores = detection[5:]
        class_id = np.argmax(scores)
        confidence = scores[class_id]
        if confidence > 0.5:
            center_x = int(detection[0] * width)
            center_y = int(detection[1] * height)
            w = int(detection[2] * width)
            h = int(detection[3] * height)
            x = int(center_x - w / 2)
            y = int(center_y - h / 2)
            cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

# Display image with detections
cv2.imshow("Image", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

در این کد، ابتدا YOLO و تصویر ورودی بارگذاری شده و سپس تصویر پیش‌پردازش می‌شود. سپس تشخیص‌های مختلف از تصویر استخراج شده و اگر اطمینان از وجود یک شیء با اطمینان بیشتر از 0.5 وجود داشته باشد، یک مستطیل به دور آن شیء رسم می‌شود.

لطفاً توجه داشته باشید که باید فایل‌های وزن و تنظیمات مدل YOLO را از منبع معتبری بارگیری کرده و آنها را در کد مربوطه استفاده کنید.