Olá, Colegas.
Usando o modelo MobileNetV2, que foi treinado no conjunto de dados ImageNet, para classificar imagens de objetos que você enviar.
Atividade:
Usar o modelo MobileNetV2 para prever a classe de um objeto em uma imagem.
- Imagem tamanho 224x224 pixels
Pré-processar a imagem para o formato correto que o modelo espera.
- Classificar uma grande variedade de objetos e faz previsões.
Exibir a classe identificada na imagem.
- Exibe o resultado esperado.
ENTRADA:
from tensorflow.keras.applications.mobilenet_v2 import preprocess_input, decode_predictions
import numpy as np
import cv2
from google.colab import files
from PIL import Image
# Fazer upload da imagem
uploaded = files.upload()
imagem_path = list(uploaded.keys())[0] # Pega o nome do arquivo enviado
# Carregar a imagem usando OpenCV
imagem = cv2.imread(imagem_path)
imagem_rgb = cv2.cvtColor(imagem, cv2.COLOR_BGR2RGB)
# Carregar o modelo MobileNetV2 pré-treinado
modelo = MobileNetV2(weights="imagenet")
# Pré-processar a imagem para o formato esperado pelo modelo
imagem_redimensionada = cv2.resize(imagem_rgb, (224, 224))
imagem_array = np.expand_dims(imagem_redimensionada, axis=0)
imagem_array = preprocess_input(imagem_array)
# Fazer a previsão
predicoes = modelo.predict(imagem_array)
label = decode_predictions(predicoes)
print("Objeto identificado:", label[0][0][1]) # Exibe a classe identificada
SAÍDA:
closeup-vertical-shot-cute-european-shorthair-cat.jpg(image/jpeg) - 12914094 bytes, last modified: 24/06/2026 - 100% done
Saving closeup-vertical-shot-cute-european-shorthair-cat.jpg to closeup-vertical-shot-cute-european-shorthair-cat (1).jpg
1/1 ━━━━━━━━━━━━━━━━━━━━ 2s 2s/step
Objeto identificado: tabby
