Python基于 ImageAI 模块实践 idenprof数据集识别预测分析

       Python是一种计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越来越多被用于独立的、大型项目的开发。

      图像识别早已不是很新鲜的话题了，很多数据处理的任务到最后都会归为图像识别中，在之前的很多工作中，我陆陆续续也接触了很多相关的工作，从最开始数据处理，到模型搭建与最终上线也都经历，大多数时候模型都是自己搭建的，虽然说现在keras的出现极大地简化了模型的搭建工作，但是整个过程还是需要自己去实践完成的，对于很多的初学者来说并不是很容易的。

      今天发现了一个好玩的库——ImageAI，简单的说一下我的理解就是对keras的又一层封装，但又不全是这样。ImageAI简化了整个图像识别和目标检测的工作，今天想来简单看看，整个模块的能力。

     使用的使用网上公开的数据集 idenprof ，分为train和test两个数据集，每个集合里面共有10个类别，数据集截图如下：

     具体实践如下：

      由于自己的PC机太次了，我没有选择去自己训练模型，直接下载了官方提供的预训练模型，随机抽取了250张图片数据作为测试使用，粗略地计算了一下准确度达到了55.64%以上。

      感觉ImageAI使用起来的确是简单了很多，但是模型的种类和灵活性反而不如自己搭建模型了，这里更像是一个社区，自己可以贡献自己的数据集和预训练模型供别人使用，总之，好的东西总是会为开发者提供便利的，记录学习！
      Python的设计目标之一是让代码具备高度的可阅读性。它设计时尽量使用其它语言经常使用的标点符号和英文单字，让代码看起来整洁美观。它不像其他的静态语言如C、Pascal那样需要重复书写声明语句，也不像它们的语法那样经常有特殊情况和意外。