有没有办法加载图像、旋转图像并将其加载到 MXNet 模型(例如:yolov3)。
我使用以下方法，但我认为它效率不高:
1/加载图像并用枕头旋转它
image = Image.open(img_path)
image = image.rotate(90)
2/保存图像，然后使用 gluoncv 加载它(我这里使用 yolo 所以我使用 yolo.load_test):
#Save image
image.save(name +".png")
#Load image with gluoncv
imgs_for_inference, imgs_for_plot = gluoncv.data.transforms.presets.yolo.load_test(
images_names,
short=512)
最佳答案
在尝试了一些库之后，我找到了一个更简单的方法来解决该问题，而不需要保存图像然后加载它(这是非常低效的)。我使用pillow加载图像并旋转它，然后使用transform_test获取MXNet张量以馈送到模型:
from PIL import Image
image = Image.open(path_to_image)
image = image.rotate(90)
tensor, _ = gluoncv.data.transforms.presets.yolo.transform_test(
images,
short=512
)
prediction = model(tensor)
关于machine-learning - 旋转图像并加载到 MXNet 模型，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/60049725/