NVIDIA Jetson AGX Orin （四） 编写自己的图像识别程序（python）

在 Python 中从头开始创建一个名为 my_recognition.py 的图像识别新程序。此脚本将从磁盘加载任意图像并使用 imageNet 对象对其进行分类。

从终端运行以下这些命令以创建目录、源文件并下载一些测试映像：（我这里路径为~/myrive/my_recognition_python，路径可自定义）

cd mydrive

mkdir my_recognition_python

cd my_recognitio_python

touch my_recognition.py

chmod +x my_recognition.py

wget https://github.com/dusty-nv/jetson-inference/raw/master/data/images/black_bear.jpg 

wget https://github.com/dusty-nv/jetson-inference/raw/master/data/images/brown_bear.jpg

wget https://github.com/dusty-nv/jetson-inference/raw/master/data/images/polar_bear.jpg 

接下来，编辑python代码

在您选择的编辑器中打开vim my_recognition.py

首先，让我们在文件的最顶部添加一个 shebang 序列，以自动使用 Python 解释器：

#!/usr/bin/python3

接下来，我们将导入要在脚本中使用的 Python 模块。新增 import 语句，用于加载 jetson.inference 和 jetson.utils 模块，用于识别图像和加载图像。我们还将加载用于解析命令行的标准 argparse 包。

import jetson.inference
import jetson.utils

import argparse

接下来，添加一些样板代码来解析图像文件名和可选的 --network 参数：

# parse the command line
parser = argparse.ArgumentParser()
parser.add_argument("filename", type=str, help="filename of the image to process")
parser.add_argument("--network", type=str, default="googlenet", help="model to use, can be:  googlenet, resnet-18, ect. (see --help for others)")
args = parser.parse_args()

添加以下行以使用从命令行指定的文件名加载图像：（返回的图像将是一个 jetson.utils.cudaImage 对象，其中包含 width、height 和像素格式等属性：）

img = jetson.utils.loadImage(args.filename)

所有可用的分类模型都在 ImageNet ILSVRC 数据集上进行了预训练，该数据集可以识别多达 1000 种不同类别的对象，如不同种类的水果和蔬菜、许多不同种类的动物，以及日常人造对象，如车辆、办公家具、运动器材等。

net = jetson.inference.imageNet(args.network)

接下来，将使用 imageNet.Classify（） 函数通过识别网络对图像进行分类：（imageNet.Classify（） 接受图像及其尺寸，并使用 TensorRT 执行推理。）

class_idx, confidence = net.Classify(img)

它返回一个元组，其中包含图像被识别为的对象类的整数索引，以及结果的浮点置信度值。

最后一步，让我们检索类描述并打印出分类的结果：

class_desc = net.GetClassDesc(class_idx)

print("image is recognized as '{:s}' (class #{:d}) with {:f}% confidence".format(class_desc, class_idx, confidence * 100))

imageNet.Classify（） 返回已识别对象类的索引（对于在 ILSVRC 上训练的这些模型，索引介于 0 和 999 之间）。给定类索引，imageNet.GetClassDesc（） 函数将返回包含该类的文本描述的字符串。这些描述是从 ilsvrc12_synset_words.txt 自动加载的。

下面来测试：

./my_recognition.py polar_bear.jpg

生成相关信息

另外两个图也是类似测试。