opencv调用pb模型报错

ltj_jj

已于 2022-03-24 16:35:18 修改

阅读量5.8k

点赞数 2

CC 4.0 BY-SA版权

文章标签： opencv

于 2022-03-24 16:34:37 首次发布

本文链接：https://blog.youkuaiyun.com/csdn_a123/article/details/123714688

本文档介绍了在使用OpenCV4.2版本时遇到调用EAST文本检测模型错误的项目场景，详细描述了问题的现象，并提供了解决此问题的具体步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

项目场景：

当利用opencv4.2调用EAST的pb模型出错的解决方案

问题描述

cv2.error: OpenCV(4.2.0) C:\projects\opencv-python\opencv\modules\dnn\src\dnn.cpp:562: error: (-2:Unspecified error) Can't create layer "

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ltj_jj

关注关注

2
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【opencv-c++】运行tensorflow的pb分类模型

jn10010537的博客

08-20

844

【opencv】opencv之dnn模块运行tensorflow分类模型1.背景1.1 sdk环境1.2 博客目标2.opencv配置3.源码4.报错及解决5.总结 1.背景 OpenCV的DNN模块是在OpenCV3.3合并到OpenCV release中的，它最早是在扩展模块中的，它可以导入caffe、tensorflow、pytorch等深度学习框架训练生成的模型文件，从而实现推理预测的功能。 1.1 sdk环境本博客环境： windows10操作系统 Visual Studio 2019社区版 o

机器学习笔记基于tensorflow2.0的手写数字识别，并导出pb模型供OpenCV的C++版本的DNN模块调用

学以致用知行合一

11-24

1248

基于tensorflow2.0的手写数字识别，并导出pb模型供OpenCV的C++版本的DNN模块调用。

参与评论您还未登录，请先登录后发表或查看评论

opencv调用tensorflow pb模型

12-13

这是一个使用C++的opencv调用tensorflow训练好的一个二分类的模型, 代码包括C++文件和训练的python文件,训练设备为python3.5+tensorlfow-gpu1.4.0+ubuntu16.04 C++文件也是在ubuntu下写的,但是在windows下只需要稍作修改就可直接运行

tensorflow的pb模型在opencv中读取出错

fronde_wu的博客

08-02

874

tensorflow中的模型包含了SE Module，得到的通道注意力shape是[batch_size,channels]，和原特征图shape为[batch_size,height,width,channels]点乘，这一操作在opencv中的eltwise是不支持的，eltwise支持shape一样点乘或[channels]*[batch_size,height,width,channels...

paddlenlp 3.0 版本使用uie-m-base报错找不到 static/inference.pdmodel

热门推荐

漫步云端

04-25

2万+

使用C#语言时遇到的问题（C/C++类似，方法一致）。编译链接都没问题，调试时出现以下错误提示：解决方法【调试】-->【选项和设置】【常规】标签-->勾选“启用资源服务器支持”，确定忽略警报，继续。切换到【符号】标签，勾选“Microsoft 符号服务器”

opencv打开pb_keras的h5模型保存为tensorflow的pb文件，再用opencv打开

weixin_39788256的博客

12-29

692

这篇就是我当时寥寥草草记的笔记，很着急，所以写的很乱。我当时是想将darknet框架下的yolo模型调用起来。1 其实可以直接用readNetFromDarknet调用weights文件2我当时有个pb模型，也想用ocv，发现调用是ocv对于一些层不支持，最后放弃了我用的ocv3.4.1可以用ocv4支持的网络结构更多。ocv还会有内部的计算加速，能跑到更快。opencv中的dnn模块可以直接导...

OpenCV4学习笔记（62）——dnn模块之调用inception5h模型实现图像分类

邱小兵的博客

05-07

1084

本次笔记要整理的内容是：通过OpenCV的dnn模块来调用OpenCV自带的inception5h模型，并实现物体识别。该模型可识别的类别总共有1000类，包含动物、日常用品、交通工具等等，范围非常广泛。下面通过代码逐步整理。首先，我们需要加载模型，并设置计算后台和目标设备。 //加载opencv自带的tenserflow模型实现图像分类 const string tf_net_model_...

python opencv载入TensorFlow训练的pb模型

c739816555的博客

02-29

3897

网上看了好多文章，一一尝试后发现都不行，大都已经过时。因此，分享一下自己的成功心得。

c++调用pb模型的过程

qq798446835的博客

11-20

1357

开启计算图头文件 #include <tensorflow/core/framework/op_kernel.h> #include <tensorflow/core/public/session.h> #include <tensorflow/core/platform/env.h> tensorflow::Session *p_session; tenso...

opencv调用TensorFlow1.x训练的pb模型

Emins的博客

06-07

1454

opencv-python-4.5.5调用TensorFlow1.x训练的pb模型

pb+opencv2.3控制摄像头拍照、录像

04-30

功能列表：1.拍照(支持竖拍)、2.录像(带录音)、3.取摄像头支持分辨率列表、4.图片resize、5.取图片局部另存、6.给图加水印。

利用opencv调用tensorflow的pb模型对jpg图片进行分类

u013263891的博客

12-13

3715

利用的是opencv中的dnn模块进行调用的,之所以标题是对jpg的图片进行分类,主要的原因是我对bmp格式的图片分类还没有成功,成功之后再更新, 使用比较常用的花卉分类图片进行分类,因为只是为了实验,并没有对图片分类精度进行追求,代码中有许多问题,比如有很多没用的,也没有删掉,也只是对花进行了二分类对这两种花进行二分类,daisy标签为0 dandelion为1 首先进行分类,分类使...

opencv打开pb_opencv调用tensorflow模型(单个pb文件)

weixin_39714835的博客

12-18

1049

opencv是图像处理的开源库，使用非常方便，所以一般在做图像处理时基本都是会使用的。tensorflow也有基于c++的接口，但是使用时需要进行编译tensorflowc++源码，编译起来比较繁琐。所以一般也不怎么使用。当然如果opencv可以直接调用tensorflow模型那是在好不过的。一，训练模型的保存这里需要说一下，模型一般都是比较大的，在部署时需要对模型进行压缩，使程序运行可以更可能的...

c++调用tensorflow的pb模型

Como0413的博客

06-10

1577

#include<iostream> #include<fstream> #include<opencv2/opencv.hpp> #include<opencv2/dnn.hpp> #include <Windows.h> #pragma comment( lib, "winmm.lib") using namespace std; using namespace cv; using namespace cv::dnn; Mat pred.

【BP神经网络】使用opencv调用tensorflow训练的bp神经网络.pb模型

进一寸有一寸的欢喜

05-31

2131

核心参考：本博客代码完全是采用该博主的思路编写的，非常感谢！！ How to load the pre-trained model of the tensorflow by using the opencv dnn model！项目背景需根据一批多维数据，回归计算评分，为方便移动端部署，采用C++版的opencv库调用实现BP神经网络的回归模型。思路与参考使用tensorflow搭建bp神经网络，主要有3种方式：方法1：使用加减矩阵运算自己从零搭建层的结构。该方法生成的pb模型，.

opencv3.4.1 调用tensorflow生成的网络模型数据pb文件

sxk20091111的专栏

05-29

5315

python代码如下是训练手写字的网络# -*- coding: utf-8 -*-"""Created on Fri May 18 16:04:06 2018@author: Administrator"""import pylabimport numpy as npimport tensorflow as tffrom tensorflow.examples.tutorials.mnist i...

C++ 之 Opencv dnn推理 tensorflow pb模型做预测

weixin_46400740的博客

01-26

1072

老师周末布置的作业，现在记录一下，方便以后学习。也为了帮助其他在学习遇到困难的小伙伴们。接下来我们以最简单的神经网络手写体识别为例。一、简单的流程图: #mermaid-svg-upO9y3oV4LuLlEL0 .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font-family);fill:#333;color:#333}#mermaid-svg-upO9y3oV4LuLlEL0 .label

OpenCV DNN部署GPU

01-04

### 如何在GPU上部署OpenCV DNN模块并使用CUDA加速为了使OpenCV的DNN模块能够在GPU上运行，需要确保安装了适当版本的OpenCV以及必要的依赖项如CUDA和cuDNN。具体来说，在Windows环境下配置OpenCV以利用NVIDIA GPU进行计算涉及几个重要步骤[^1]。 #### 安装与配置环境首先确认已正确设置了开发环境，这通常意味着要安装特定版本的Visual Studio（例如VS2015或更高），同时也要准备好相应的CMake工具来编译源码。对于CUDA的支持，则需下载匹配当前硬件架构和支持特性的CUDA Toolkit，并按照官方指南完成设置过程。此外，还需要获取适合所选深度学习框架版本的cuDNN库文件[^3]。 #### 编译带有CUDA支持的OpenCV 当所有前置条件满足之后，可以通过CMake界面指定启用`WITH_CUDA`选项以及其他相关参数（比如`OPENCV_DNN_CUDA=ON`) 来构建具有CUDA功能增强版别的OpenCV。这一过程中可能还会遇到一些常见的错误提示，这时应该仔细阅读报错信息并查阅社区文档寻求解决方案[^4]。 #### 加载预训练模型到DNN模块一旦成功编译了一个兼容于目标平台且集成了CUDA优化路径的新版本OpenCV后，便可以在应用程序中加载预先训练好的神经网络权重文件(.caffemodel,.pb等)，并通过调用相应接口将其分配至GPU设备处理： ```cpp #include <opencv2/dnn.hpp> using namespace cv; using namespace dnn; // Load the model. Net net = readNetFromDarknet("yolov3.cfg", "yolov3.weights"); if (net.empty()) { CV_Error(Error::StsError, "Can't load network by using the given configuration\n"); } // Enable CUDA backend for inference acceleration. net.setPreferableBackend(DNN_BACKEND_CUDA); net.setPreferableTarget(DNN_TARGET_CUDA); Mat inputBlob = blobFromImage(image, 1 / 255.F); // Convert image into a format suitable as neural network's input. vector<String> outNames = net.getUnconnectedOutLayersNames(); net.setInput(inputBlob, "data"); // Set an input tensor to the network. vector<Mat> detections; // Store output tensors from forward pass here. net.forward(detections, outNames); ``` 上述代码片段展示了如何通过读取YOLOv3模型结构定义(`.cfg`)及其对应的权值二进制数据(`.weights`)实例化一个`cv::dnn::Net`对象；接着指定了偏好使用的后端为CUDA，并让推理任务尽可能多地交给GPU去执行；最后完成了图像向量化的准备工作并将它送入网络内部做预测操作[^2]。