只需10行Python代码，我们就能实现计算机视觉中目标检测。
from imageai.Detection import ObjectDetection
import os
execution_path = os.getcwd()
detector = ObjectDetection()
detector.setModelTypeAsRetinaNet()
detector.setModelPath( os.path.join(execution_path , "resnet50_coco_best_v2.0.1.h5"))
detector.loadModel()
detections = detector.detectObjectsFromImage(input_image=os.path.join(execution_path , "image.jpg"), output_image_path=os.path.join(execution_path , "imagenew.jpg"))
for eachObject in detections:
print(eachObject["name"] + " : " + eachObject["percentage_probability"] )没错，用这寥寥10行代码，就能实现目前AI产品中应用广泛的目标检测技术。
看完了代码，下面容我们聊聊目标检测背后的技术背景，并解读这10行Python代码的由来和实现原理。
如何借助ImageAI轻松实现目标检测
使用ImageAI执行目标检测，你只需以下4步：
1.在电脑上安装Python
2.安装ImageAI及其环境依赖
3.下载目标检测模块文件
4.运行示例代码，就是我们展示的那10行
下面我们一步步详细讲解。
1)从Python官网下载和安装Python 3
2)通过pip安装如下环境依赖
1.Tensorflow
pip install tensorflow
2.Numpy
pip install numpy
3.SciPy
pip install scipy
4.OpenCV
pip install opencv-python
5.Pillow
pip install pillow
6.Matplotlib
pip install matplotlib
7.H5py
pip install h5py
8.Keras
pip install keras
9.ImageAI
pip install
3)通过该 链接下载RetinaNet 模型文件用于目标检测。
到了这里我们已经安装好了所有依赖，就可以准备写自己的首个目标检测代码了。 创建一个Python文件，为其命名(比如FirstDetection.py)，然后将如下代码写到文件中，再把RetinaNet模型文件以及你想检测的图像拷贝到包含该Python文件的文件夹里。
运行代码，等待控制台打印结果。等控制台打印出结果后，就可以打开FirstDetection.py所在的文件夹，你就会发现有新的图像保存在了里面。比如下面两张示例图像，以及执行目标检测后保存的两张新图像。
目标检测之前：
from imageai.Detection import ObjectDetection
import os
execution_path = os.getcwd()
在上面3行代码中，我们在第一行导入了ImageAI目标检测类，在第二行导入Python os类，在第三行定义了一个变量，获取通往我们的Python文件、RetinaNet模型文件和图像所在文件夹的路径。
detector = ObjectDetection()
detector.setModelTypeAsRetinaNet()
detector.setModelPath( os.path.join(execution_path , "resnet50_coco_best_v2.0.1.h5"))
detector.loadModel()
detections = detector.detectObjectsFromImage(input_image=os.path.join(execution_path , "image.jpg"), output_image_path=os.path.join(execution_path , "imagenew.jpg"))
在上面5行代码中，我们在第一行定义我们的目标检测类，在第二行设定RetinaNet的模型类型，在第三行将模型路径设置为RetinaNet模型的路径，在第四行将模型加载到目标检测类中，然后我们在第五行调用检测函数，并在输入和输出图像路径中进行解析。
for eachObject in detections:
print(eachObject["name"] + " : " + eachObject["percentage_probability"] )
在上面两行代码中，我们迭代了第一行中detector.detectObjectFromImage函数返回的所有结果，然后打印出第二行中模型对图像上每个物体的检测结果(名称和概率)。
ImageAI支持很多强大的目标检测自定义功能，其中一项就是能够提取在图像上检测到的每个物体的图像。只需将附加参数extract_detected_objects=True解析为detectObjectsFromImage函数，如下所示，目标检测类就会为图像物体创建一个文件夹，提取每张图像，将它们保存在新创建的文件夹中，并返回一个包含通过每张图像的路径的额外数组。
