OpenCV图像处理——DNN模块_opencv dnn

总目录

图像处理总目录←点击这里

二十三、DNN模块

23.1、背景

随着计算机视觉的流行，opencv 也专门开发了 dnn 模块来实现 深度神经网络相关 的功能；

• opencv 无法训练模型，但它支持载入其他深度学习框架训练好的模型，并使用该模型进行预测 inference；

• opencv 在载入模型时会使用 dnn 模块对模型进行重写，使得模型运行效率更高；

支持的深度学习框架：tensorflow、pytorch、caffe、DLDT、Darknet

• 本文采用 caffe ------ cv2.dnn.readNetFromCaffe()
  

23.2、实现

utils_paths.py 读取图像数据

bolb_from_images.py 主函数

导入工具包

# 导入工具包
import utils_paths
import numpy as np
import cv2
1
2
3
4

预处理

# 标签文件处理
rows = open("synset_words.txt").read().strip().split("\n")
classes = [r[r.find(" ") + 1:].split(",")[0] for r in rows]

# Caffe所需配置文件
net = cv2.dnn.readNetFromCaffe("bvlc_googlenet.prototxt", "bvlc_googlenet.caffemodel")

# 图像路径
imagePaths = sorted(list(utils_paths.list_images("images/")))
1
2
3
4
5
6
7
8
9

单个图像

cv2.dnn.blobFromImage()

# 图像数据预处理
image = cv2.imread(imagePaths[0])
resized = cv2.resize(image, (224, 224))
# image scalefactor size mean swapRB 
blob = cv2.dnn.blobFromImage(resized, 1, (224, 224), (104, 117, 123))
print("First Blob: {}".format(blob.shape))

# 得到预测结果
net.setInput(blob)
preds = net.forward()

# 排序，取分类可能性最大的
idx = np.argsort(preds[0])[::-1][0]
text = "Label: {}, {:.2f}%".format(classes[idx], preds[0][idx] * 100)
cv2.putText(image, text, (5, 25),  cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)

# 显示
cv2.imshow("Image", image)
cv2.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

多个图像

注意有s cv2.dnn.blobFromImages()

# Batch数据制作
images = []

# 方法一样，数据是一个batch
for p in imagePaths[1:]:
	image = cv2.imread(p)
	image = cv2.resize(image, (224, 224))
	images.append(image)

# blobFromImages函数，注意有s
blob = cv2.dnn.blobFromImages(images, 1, (224, 224), (104, 117, 123))
print("Second Blob: {}".format(blob.shape))

# 获取预测结果
net.setInput(blob)
preds = net.forward()
for (i, p) in enumerate(imagePaths):
	image = cv2.imread(p)
	idx = np.argsort(preds[i])[::-1][0]
	text = "Label: {}, {:.2f}%".format(classes[idx], preds[i][idx] * 100)
	cv2.putText(image, text, (5, 25),  cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
	cv2.imshow("Image", image)
	cv2.waitKey(0)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

23.3、源码

https://github.com/lzh66666/dnn_blob