10 基于深度学习的目标检测

Bowen_CV

已于 2024-11-20 11:30:20 修改

阅读量795

点赞数 20

分类专栏：计算机视觉技术文章标签： dnn 人工智能神经网络

于 2024-11-20 11:27:31 首次发布

本文链接：https://blog.youkuaiyun.com/m0_64545019/article/details/143906084

版权

首次完成时间：2024 年 11月 20 日

1. 使用OpenCV的dnn模块实现图像分类。

1）程序代码：

import numpy as np
import cv2

# 解析标签文件
row = open("model1/synset_words.txt").read().strip().split("\n")
class_label = [r[r.find(" "):].split(",")[0] for r in row]

# 载入caffe所需的配置文件
net = cv2.dnn.readNetFromCaffe("model1/bvlc_googlenet.prototxt",
                               "model1/bvlc_googlenet.caffemodel")

# 读取待分类图像
img = cv2.imread("photos/cat.jpg")  # 确保这里的路径是正确的

# 转换格式
blob = cv2.dnn.blobFromImage(img, 1, (224, 224), (104, 117, 123))

# 加载图像
net.setInput(blob)

# 预测
preds = net.forward()

# 排序，取概率最大的结果
idx = np.argsort(preds[0])[-1]

# 获取图片的原始尺寸
(h, w) = img.shape[:2]

# 等比例缩减图片大小
resized_img = cv2.resize(img, (w // 4,