opencv dnn 使用深度学习前向推理

最新推荐文章于 2025-03-21 10:15:25 发布

haima1998

最新推荐文章于 2025-03-21 10:15:25 发布

阅读量576

点赞数

CC 4.0 BY-SA版权

分类专栏： deep learning

原文链接：https://zhuanlan.zhihu.com/p/28323601

deep learning 专栏收录该内容

242 篇文章

订阅专栏

OpenCV3.3引入了dnn模块，该模块无需额外依赖，支持从Caffe、TensorFlow和Torch导入预训练模型，简化了神经网络的使用。通过一个简单的示例展示了如何使用dnn模块加载GoogLeNet模型并进行前向传播。然而，dnn模块目前仅支持预训练模型的inference，无法进行模型训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

转自：https://zhuanlan.zhihu.com/p/28323601

https://blog.youkuaiyun.com/qq_30815237/article/details/87914775

刚刚出炉的 OpenCV 3.3 版本增加了符合历史进程的新模块 dnn，也就是深度神经网络。dnn 模块其实很早就存在于 opencv_contrib 项目中，这次提到了主项目里，算是转正了。

小张琢磨了下，这个 dnn 模块的卖点有这么几个：

1）零依赖

只依赖 opencv，如果你被 caffe 虐过，那么就知道零依赖是多么如沐清风。

2）支持导入其他框架的模型

Caffe 1
TensorFlow
Torch/PyTorch

以下网络是经测试可用的：

AlexNet
GoogLeNet v1 (also referred to as Inception-5h)
ResNet-34/50/...
SqueezeNet v1.1
VGG-based FCN (semantical segmentation network)
ENet (lightweight semantical segmentation network)
VGG-based SSD (object detection network)
MobileNet-based SSD (light-weight object detection network)

3）API 极其简洁

以 GoogLeNet 为例，载入一个网络模型只需要一个函数

#include <opencv2/dnn.hpp>
Net net = dnn::readNetFromCaffe("bvlc_googlenet.prototxt", "bvlc_googlenet.caffemodel");

准备网络的输入数据，GoogLeNet 只接受 224x224 的 RGB 图片，所以多了转尺寸的步骤

Mat img = imread("image.jpg");
Mat inputBlob = blobFromImage(img, 1, Size(224, 224),
                              Scalar(104, 117, 123));

跑一遍网络，取输出结果

Mat prob = net.forward("prob");

结束了，就这么简单！

然而它也有一个致命的缺点，只能载入训练好的网络跑一遍 forward pass，不能 train 新的网络。

那有没有办法用 opencv 训练网络呢，答案当然是：

【黑客与画家】@Vinjn张静的原创技术专栏，关注人工智能 + 视觉计算。