【opencv有趣应用】基于MobileNet + SSD的物体检测

原创

已于 2022-03-20 20:33:15 修改 · 3.7k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#MobileNet #SSD #目标检测

于 2022-03-20 20:29:05 首次发布

今天学习使用另外的模型进行物体检测

当前目标检测的算法有很多，如rcnn系列、yolo系列和ssd，前端网络如vgg、AlexNet、SqueezeNet，一种常用的方法是将前端网络设为MobileNet进行特征提取和加速，后端算法为SSD来真正进行目标检测。

之前我们学习了使用darknet上的基于coco数据集训练的yolov3模型来搞，这次我们使用在tensorflow上训练的基于coco数据集训练的MobileNet + SSD模型来搞。

import cv2
import numpy as np


def readAllCleassNames(filename):
    with open(filename, 'rt') as f:
        classNames = f.read().rstrip('\n').split('\n')
    return classNames


if __name__ == '__main__':
    # ======================= step 1: 先获得所有的类别信息
    classNames = readAllCleassNames('file/coco_classnames.txt')
    print(len(classNames