Bagaimana untuk melakukan pengecaman imej menggunakan PHP?

Dengan perkembangan teknologi kecerdasan buatan, pengecaman imej semakin digunakan dalam pelbagai bidang. Sebagai bahasa pengaturcaraan Web yang popular, PHP juga boleh digunakan untuk aplikasi pengecaman imej. Artikel ini akan memperkenalkan cara menggunakan PHP untuk pengecaman imej.

1. Apakah itu pengecaman imej?

Pengecaman imej, juga dikenali sebagai klasifikasi imej atau pengecaman imej, ialah proses menganalisis dan memahami imej digital melalui program komputer. Bagi manusia, kita boleh dengan mudah membezakan objek yang kita lihat, tetapi bagi komputer, imej hanyalah koleksi nombor dan piksel. Oleh itu, tujuan pengecaman imej adalah untuk melatih atur cara komputer untuk menentukan ciri dalam imej digital.

2. Bagaimana untuk melaksanakan pengecaman imej?

Pada masa ini, teknologi pengecaman imej yang paling popular ialah pembelajaran mendalam. Pembelajaran mendalam ialah satu cabang kecerdasan buatan yang menyerupai otak manusia melalui latihan rangkaian saraf. Pembelajaran mendalam boleh memproses sejumlah besar data, mengekstrak ciri secara automatik daripada data, dan kemudian belajar cara mengklasifikasikan tugas tertentu dengan betul.

Salah satu rangka kerja yang paling popular untuk melaksanakan pembelajaran mendalam ialah TensorFlow. TensorFlow ialah perpustakaan pembelajaran mesin sumber terbuka yang dibangunkan oleh Google yang menggunakan perwakilan grafik untuk mengira operasi matematik dan boleh dikira secara selari merentas berbilang CPU dan GPU. TensorFlow boleh ditulis dalam pelbagai bahasa pengaturcaraan seperti Python.

3. Gunakan PHP untuk melaksanakan pengecaman imej

Memandangkan pengecaman imej memerlukan pemprosesan sejumlah besar data dan pengiraan, menggunakan PHP untuk pengecaman imej bukanlah pilihan terbaik. Walau bagaimanapun, dalam beberapa kes, menggunakan PHP untuk pengecaman imej mungkin diperlukan. Dalam kes ini, kita boleh menggunakan perpustakaan sambungan PHP untuk memanipulasi imej dan menggunakan model pembelajaran mendalam yang ditulis dalam Python atau bahasa lain untuk pengecaman imej.

1. Pasang pustaka sambungan PHP

Mula-mula, anda perlu memasang pustaka sambungan PHP supaya anda boleh menggunakan PHP untuk memproses imej. Sambungan pemprosesan imej PHP yang paling popular ialah GD dan ImageMagick. Sambungan ini boleh dipasang melalui Komposer, pengurus pakej PHP.

Berikut ialah contoh kod untuk memasang sambungan GD:

$ sudo apt-get install php-gd
$ sudo service apache2 restart

2. Tulis kod PHP

Imej boleh dibaca dan diproses dengan mudah menggunakan kod PHP. Berikut ialah contoh mudah yang menggunakan pustaka PHP GD untuk memuatkan imej ke dalam memori dan mengubah saiznya kepada dimensi yang ditentukan:

<?php
header('Content-type: image/jpeg');

$filename = 'example.jpg';

list($width, $height) = getimagesize($filename);
$ration = $width / $height;

$newWidth = 200;
$newHeight = (int) ($newWidth / $ration);

$thumb = imagecreatetruecolor($newWidth, $newHeight);
$source = imagecreatefromjpeg($filename);

imagecopyresampled($thumb, $source, 0, 0, 0, 0, $newWidth, $newHeight, $width, $height);

imagejpeg($thumb);
imagedestroy($thumb);
imagedestroy($source);
?>

3. Gunakan model pembelajaran mendalam Python

untuk mendapatkan imej pengiktirafan, kita perlu menulis kod dalam Python untuk melatih model pembelajaran mendalam. Imej itu kemudiannya boleh dimuatkan ke dalam memori menggunakan perpustakaan PHP GD dan diserahkan kepada model untuk pengelasan.

Berikut ialah contoh kod Python mudah yang menggunakan rangka kerja TensorFlow dan Keras untuk melatih model dan melaksanakan klasifikasi imej:

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.preprocessing.image import ImageDataGenerator
import numpy as np

(train_images, train_labels), (test_images, test_labels) = keras.datasets.mnist.load_data()

train_images = train_images.reshape((60000, 28, 28, 1))
test_images = test_images.reshape((10000, 28, 28, 1))

train_images, test_images = train_images / 255.0, test_images / 255.0

model = keras.Sequential([
    keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    keras.layers.MaxPooling2D((2, 2)),
    keras.layers.Flatten(),
    keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(train_images, train_labels, epochs=5)

test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)
print('
Test accuracy:', test_acc)

image_path = 'test_image.png'
img = keras.preprocessing.image.load_img(image_path, target_size=(28, 28), color_mode="grayscale")
img_array = keras.preprocessing.image.img_to_array(img)
img_array = np.expand_dims(img_array, axis=0)

predictions = model.predict(img_array)
print(predictions)

Dalam kod PHP, kita boleh menggunakan kod berikut untuk memanggil perkara di atas Model Python:

<?php
$command = escapeshellcmd('python3 path/to/python_script.py');
$output = shell_exec($command);
echo $output;
?>

4. Ringkasan

Walaupun menggunakan PHP untuk pengecaman imej mungkin bukan pilihan terbaik, dengan menggunakan perpustakaan sambungan PHP dan model pembelajaran mendalam yang ditulis dalam bahasa lain, kami Imej tertentu tertentu tugas pengiktirafan masih boleh dicapai. Pembelajaran mendalam pada masa ini ialah teknologi pengecaman imej yang paling popular, dan TensorFlow ialah salah satu rangka kerja yang paling popular untuk melaksanakan pembelajaran mendalam.

Atas ialah kandungan terperinci Bagaimana untuk melakukan pengecaman imej menggunakan PHP?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!