static void PerformSubMenu_Prediction()
{
Console.ForegroundColor = ConsoleColor.Cyan;
ConsoleHelper.Print_CenteredTitle("VUI LÒNG CHỌN CHỨC NĂNG DƯỚI ĐÂY:", 100);
Console.WriteLine("\n" + new string('=', 100));
Console.WriteLine("1. Tự động dự đoán tất cả các bức hình có trong thư mục ");
Console.WriteLine("2. Dự đoán một bức hình tùy ý");
ConsoleHelper.Print_WarningText("Lưu ý: Chỉ nhận hình ảnh là tập tin *.jpg hoặc *.png");
Console.WriteLine(new string('=', 100));
Console.ResetColor();
int function = SelectMenu(2);
string trainedModelPath;
switch (function)
{
case 1:
Console.Clear();
Print_FilePathPrompt(out trainedModelPath, "Nhập đường dẫn đến mô hình đã được huấn luyện trước: ");
Print_FolderPathPrompt(out string predictionFolderPath, "Nhập đường dẫn đến thư mục hình ảnh cần dự đoán: ");
MLTraining mlTraining_1 = new MLTraining(trainedModelPath, null, null);
mlTraining_1.TryMultiplePredictions(predictionFolderPath);
break;
case 2:
Console.Clear();
Print_FilePathPrompt(out trainedModelPath, "Nhập đường dẫn đến mô hình đã được huấn luyện trước: ");
ConsumeModel.MLNetModelPath = trainedModelPath;
while (true)
{
if (!Print_FilePathPrompt(out string imagePath, "Nhập đường dẫn hình ảnh cần dự đoán, hoặc gõ 'exit' để THOÁT: "))
{
break;
}
ImageDataInMemory imageData = new ImageDataInMemory(imagePath, Path.GetFileName(imagePath));
ImagePrediction predictionResult = ConsumeModel.Predict(imageData);
Console.WriteLine($"Tên dự đoán: {predictionResult.PredictedLabel}");
Console.WriteLine($"Độ chính xác: {predictionResult.Score.Max()}");
}
break;
default:
break;
}
Console.WriteLine("Nhấn phím bất kỳ để quay trở lại...");
}
/// <summary>
/// Get the first image file and run prediction method
/// </summary>
public void TrySinglePrediction(string InputFolderPathForPrediction)
{
if (trainedModel == null)
{
if (File.Exists(OutputModelFilePath))
{
LoadTrainedModel();
}
else
{
throw new Exception("Please run the pipeline before predicting!");
}
}
PredictionEngine <ImageDataInMemory, ImagePrediction> predictionEngine = mlContext.Model.CreatePredictionEngine <ImageDataInMemory, ImagePrediction>(trainedModel);
IEnumerable <ImageDataInMemory> predictedImages = FileUtils.LoadImagesFromDirectoryInMemory(InputFolderPathForPrediction, false);
ImageDataInMemory image = predictedImages.First();
ImagePrediction prediction = predictionEngine.Predict(image);
PrintImagePrediction(image.ImagePath, image.Label, prediction.PredictedLabel, prediction.Score.Max());
}
private IActionResult Classify(byte[] imageData, string filename = null)
{
// Check that the image is valid
if (!imageData.IsValidImage())
{
return(StatusCode(StatusCodes.Status415UnsupportedMediaType));
}
logger.LogInformation("Start processing image...");
// Measure execution time
Stopwatch watch = Stopwatch.StartNew();
// Set the specific image data into the ImageInputData type used in the DataView
ImageDataInMemory imageInputData = new ImageDataInMemory(imageData, null, null);
// Predict code for provided image
ImagePrediction prediction = predictionEnginePool.Predict(imageInputData);
// Stop measuring time
watch.Stop();
long elapsedTime = watch.ElapsedMilliseconds;
logger.LogInformation($"Image processed in {elapsedTime} miliseconds");
// Predict the image's label with highest probability
ImagePredictedLabelWithProbability bestPrediction = new ImagePredictedLabelWithProbability
{
PredictedLabel = prediction.PredictedLabel,
Probability = prediction.Score.Max(),
PredictionExecutionTime = elapsedTime,
ImageID = filename,
VietnameseLabel = flowerService.FindVietnameseName(prediction.PredictedLabel)
};
return(Ok(bestPrediction));
}
// For more info on consuming ML.NET models, visit https://aka.ms/mlnet-consume
// Method for consuming model in your app
public static ImagePrediction Predict(ImageDataInMemory input)
{
ImagePrediction result = PredictionEngine.Value.Predict(input);
return(result);
}
