cv::dnn::blobFromImage blob的值输出错误的问题

最新推荐文章于 2025-03-21 10:15:25 发布
最新推荐文章于 2025-03-21 10:15:25 发布
阅读量965 收藏
点赞数 1
文章标签： dnn 人工智能 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_44881103/article/details/130380302
版权

有朋友知道这个函数调用后 blob的值输出错误的问题吗
cv::dnn::blobFromImage(modelInput, blob, 1.0, modelShape,
cv::Scalar(), true, false);
调用此函数以后blob 中
blob.cols = -1
blob.rows = -1
出现这种情况的原因是什么呢?
是在什么情况下输出的 blob的值是不正确的呢

CBoyABoy
关注
第六十一节：深度学习-使用 OpenCV DNN 模块
2501_91516851的博客
05-30 154
OpenCV DNN模块为计算机视觉开发提供了深度学习与传统算法的高效桥梁。该模块支持主流模型格式（Caffe/TensorFlow等），无需依赖原始框架即可加载预训练模型，并支持硬件加速。文章详细介绍了DNN的工作流程，包括模型加载、输入预处理、推理和后处理，并提供了目标检测实战案例。通过性能优化技巧（模型量化、异步推理）和多任务集成，可显著提升效率。部署方案展示了完整的视频分析管道，最后总结了模型选型指南和未来发展方向。OpenCV DNN在简化开发流程的同时，实现了高效的CPU/GPU推理性能。
opencv-python报错(-215:Assertion failed) image.depth() == blob_.depth() in function ‘blobFromIma
jxkdkjd的博客
05-02 560
cv2.dnn.blobFromImage传入的image需要是float32形式。
OpenCV 学习总结.番外篇：图像预处理接口 cv::dnn::blobFromImage()
qq_41035283的博客
08-09 6927
目录前言OpenCV 学习总结.番外篇 cv::dnn::blobFromImage()python中的图像预处理常用的图像预处理方法强大的NumpyYOLOX通过Numpy进行预处理被埋没的cv2.dnn.blobFromImage()C++中的图像预处理Mat数据重排懒人必备之cv::dnn::blobFromImage()接口 前言 部署基于深度学习的CV算法时，几乎都会涉及到输入图像预处理。 在python中，图像预处理的任务基本上被numpy承包了。 But，当部署需要通过C++实现时，问题就出现
OpenCV DNN 模块使用指南
junjun4561482的专栏
03-21 1300
OpenCV 的 DNN（深度神经网络）模块为开发者提供了强大的深度学习功能，能够加载并运行多种格式的预训练深度学习模型。此模块广泛应用于图像分类、目标检测、语义分割等众多计算机视觉任务。接下来，我们会详细介绍该模块的主要类和函数，以及它们在不同应用场景中的具体实现。
opencv dnn神经网络 blobFromImage 方法解析
lls18826255068的博客
11-11 3109
方法原型： Mat cv::dnn::blobFromImage ( InputArray image, double scalefactor = 1.0, const Size & size = Size(), const Scalar & mean = Scalar(), bool swapRB = false, bool crop = false, int ddepth =...
opencv cv2.dnn.blobFromImage
XianxinMao的博客
05-10 1万+
import cv2import numpy as npimage = cv2.imread("/home/mao/Pictures/view1.jpeg")image.shape  # H, W, C(183, 275, 3)image_subtract = image - 128.0blob = cv2.dnn.blobFromImage(image, 1.0, (275, 183),(128...
cv2.dnn.blobFromImage函数
weixin_47924038的博客
06-11 1913
今天看到唐宇迪视频DNN模块 用到的函数 1、读取模型和caffe配置文件cv2.dnn.readNetFromCaffe 1、net = cv2.dnn.readNetFromCaffe("bvlc_googlenet.prototxt","bvlc_googlenet.caffemodel") 用于读取已经训练好的caffe模型.参数说明:prototxt表示caffe网络的结构文本，model表示已经训练好的参数结果 2、读取图像路径 imagePaths = sorted(list(DNN.uti
cv2.dnn.blobFromImage()函数用法
热门推荐
土豆
11-11 3万+
函数cv2.dnn.blobFromImage(image[, scalefactor[, size[, mean[, swapRB[, crop[, ddepth]]]]]]) 作用： 对图像进行预处理，包括减均值，比例缩放，裁剪，交换通道等，返回一个4通道的blob(blob可以简单理解为一个N维的数组，用于神经网络的输入) 参数： image:输入图像（1、3或者4通道） 可...
cv.dnn.blobFromImage参数详解
m0_53291740的博客
10-30 994
blob = cv.dnn.blobFromImage(image, scalefactor=1.0, size=(224, 224), mean=(0, 0, 0), swapRB=True, crop=False)# 1 是由函数内部的默认设置。print("Blob数据形状:", blob.shape)print("原始图像形状:", image.shape)
cv dnn识别动作规范 open_CV04-01:OpenCV的dnn模块
weixin_36349685的博客
12-24 767
Caffe模型加载#include #include #include int main(int argc, char const *argv[]){/*加载别人训练好的模型，用来识别图片的类别；- bvlc_googlenet.caffemodel ： 训练好的模型- bvlc_googlenet.prototxt ： 训练使用的深度网络结...
深入浅出之基于OpenCV的DNN推理部署
浩瀚之水的专栏
10-13 2184
加载和运行深度学习模型支持从各种深度学习框架（如Caffe、TensorFlow、ONNX、Torch、Darknet等）导入预训练的深度学习模型，并在OpenCV中执行推理。图像预处理和后处理提供了多种图像预处理功能，如图像缩放、归一化、颜色转换等，以及后处理功能，如非极大值抑制（NMS）等。硬件加速支持使用CPU、GPU（通过OpenCL和CUDA）、Intel的Inference Engine等进行硬件加速，以提高推理速度。易于集成。
cv dnn识别动作规范 open_OpenCV开发笔记（七十二）：红胖子8分钟带你使用opencv+dnn+tensorFlow识别物体...
weixin_29645033的博客
12-24 288
前言级联分类器的效果并不是很好，准确度相对深度学习较低，本章使用opencv通过tensorflow深度学习，检测已有模型的分类。Demo  可以猜测，1其实是人，18序号类是狗，因为笔者未找到对应的分类具体信息。Tensorflow模型下载OpenCV深度识别基本流程opencv3.4.x支持了各种模型。支持的模型操作步骤：tensorflow步骤一：加载模型和配置文件，建立神经网络。根据不同的...
dnn.blobFromImage 有什么用
最新发布
06-03
`cv2.dnn.blobFromImage` 是 OpenCV 中用于深度学习模型输入的预处理函数，**将单张图像转换为模型可接受的张量格式（BLOB）**。其核心操作包括： - **尺寸调整**：统一图像尺寸（如 $224 \times 224$） - **归一...
cv2.dnn.blobFromImage的用法参数
weixin_43931012的博客
12-13 2085
参数说明： blobFromImage( InputArray image, double scalefactor=1.0, const Size& size = Size(), const Scalar& mean = Scalar(), bool swapRB = false, bool crop = fa...
OpenCV中blobFromImage函数详细解释
好习惯成就伟大
01-09 4521
OpenCV中blobFromImage函数详细解释 在OpenCV 3.3之后的版本中，支持调用训练好的深度学习框架，其中有一些重要的函数，今天先总结一下blobFromImage函数的用法。 在进行深度学习或者图片分类时，blobFromImage主要是用来对图片进行预处理。包含两个主要过程： 整体像素值减去平均值（mean） 通过缩放系数（scalefactor）对图片像素值进行缩放 下...
blobFromImage() 函数详解
西北工业大学的博客
11-23 1万+
blobFromImage() Mat cv::dnn::blobFromImage ( InputArray image, double scalefactor = 1.0, const Size & size = Size(), const Scalar & mean = Scalar(), bool swapRB = false, bool cro...
cv2.dnn.blobFromImage用法
weixin_43077628的博客
03-18 3735
cv2.dnn.blobFromImage用法. 在使用神经网络进行图像识别及检测时，需要对数据进行预处理，预处理的方法通常有两种： Mean subtraction Scaling by some factor blobFromImage和blobFromImages就是用来预处理图像数据的 这两个函数的作用是： Mean subtraction Scaling by some factor channel swapping [optional] 下图为例 在将图像数据输入到神经网络中之前，对于
AttributeError: module 'cv2' has no attribute 'dnn' Loading Object Detection Running opencv dnn with YOLOv4
05-08
### 解决方案 在使用 OpenCV 的 `dnn` 模块加载 YOLOv4 进行目标检测时遇到的 `AttributeError` 通常是由以下几个原因引起的： #### 原因分析 1. **OpenCV 安装不完整** 如果仅安装了基础版本的 OpenCV (`opencv-python`) 而未安装扩展模块 (`opencv-contrib-python`)，则可能导致缺少某些功能，例如 `cv2.dnn.DICT_VALUE` 属性[^2]。 2. **OpenCV 版本兼容性问题** 不同版本的 OpenCV 对于特定属性的支持可能存在差异。如果使用的 OpenCV 版本较旧，则可能无法支持最新的 DNN 功能[^1]。 3. **YOLO 权重文件或配置文件损坏** 加载错误也可能源于权重文件 (.weights) 或配置文件 (.cfg) 存在问题，这会间接引发异常。 --- #### 解决方法 ##### 方法一：确保正确安装 OpenCV 及其扩展包 通过以下命令安装完整的 OpenCV 和贡献库： ```bash pip uninstall opencv-python opencv-contrib-python -y pip install opencv-python==4.6.0.66 opencv-contrib-python==4.6.0.66 ``` 此操作可以确保 `cv2.dnn` 模块及其依赖项被正确安装并保持一致版本[^2]。 ##### 方法二：验证模型文件完整性 确认所使用的 `.weights` 文件和 `.cfg` 文件无误。可以通过以下方式测试： ```python import cv2 net = cv2.dnn.readNetFromDarknet('yolov4.cfg', 'yolov4.weights') if net is None: raise ValueError("Model files are invalid or missing.") print("Model loaded successfully!") ``` 如果在此处抛出异常，则需重新下载官方发布的预训练模型文件。 ##### 方法三：升级 Python 环境中的 OpenCV 至最新稳定版 有时更高版本能够修复已知 bug 并增强对新框架的支持。尝试更新至最新版本（假设当前为 v4.x）： ```bash pip install --upgrade opencv-python-headless opencv-contrib-python-headless ``` 注意：对于生产环境建议固定具体版本号以避免未来潜在冲突。 ##### 方法四：切换到其他实现方式 如果持续存在问题，可考虑采用 PyTorch 或 TensorFlow 实现相同的目标检测任务，这些框架提供了更丰富的文档和支持社区资源。 --- ### 示例代码 以下是基于修正后的 OpenCV 设置运行 YOLOv4 的简单示例： ```python import cv2 import numpy as np # 初始化网络 modelConfiguration = "yolov4.cfg" modelWeights = "yolov4.weights" net = cv2.dnn.readNetFromDarknet(modelConfiguration, modelWeights) # 获取输出层名称 ln = net.getLayerNames() ln = [ln[i - 1] for i in net.getUnconnectedOutLayers()] image = cv2.imread("test_image.jpg") blob = cv2.dnn.blobFromImage(image, 1/255.0, (416, 416), swapRB=True, crop=False) net.setInput(blob) layerOutputs = net.forward(ln) print("Detection completed without errors.") ``` --- ###
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值