(七)OpenCV深度神经网络(DNN)模块_01_使用GoogleNet模型实现图像分类

Fiona ·

更新时间:2024-09-21

· 894 次阅读

DNN模块
图像分类、图像检测、实时对象检测、图像分割、预测、视频对象跟踪使用googlenet模型实现图像分类
Caffe模型:bvlc_googlenet.caffemodel
描述文件:vblc_googlener.prototxt
标签文件:synset_words.txt 加载Caffe模型、使用模型预测

#include 
#include 
#include 
using namespace std;
using namespace cv::dnn;
using namespace cv;
String Model_Caffe = "bvlc_googlenet.caffemodel";//Caffe模型
String Model_Text = "vblc_googlener.prototxt";//描述文件
String Label_Text = "synset_words.txt";//标签文件
vector readClassLabels();//读取标签
//https://blog.csdn.net/Daker_Huang/article/details/86736072
int main(int argc, char** argv)
{
	vector labels = readClassLabels();
	Mat src;
	src = imread("../path.jpg");
	if (src.empty())
	{
		cout << "could not load image..." << endl;
		return -1;
	}
	namedWindow("src", WINDOW_AUTOSIZE);
	imshow("src", src);
	Net caffe_net = readNetFromCaffe(Model_Text, Model_Caffe);//读取Caffe模型
	if (caffe_net.empty())
	{
		cout << "could not load Caffe_net..." << endl;
		return -2;
	}
	//blobFromImage主要是用来对图片进行预处理:①整体像素值减去平均值(mean)②通过缩放系数(Scalefactor)对图片像素值进行缩放
	double Scalefactor = 1.0;
	Mat InputBlob = blobFromImage(src, //输入神经网络进行处理或者分类的图片
								  Scalefactor, //图片减去平均值之后,对剩下的像素值进行一定的尺度缩放
								  Size(224, 224),//神经网络在训练的时候要求输入的图片尺寸
								  Scalar(104, 117, 123));//mean需要将图片整体减去的平均值,如果我们需要对RGB图片的三个通道分别减去不同的值,那么可以使用3组平均值
	Mat prob;
	//"vblc_googlener.prototxt"文件中 卷积第一层是data
	for (int i = 0; i < 10; i++)
	{
		caffe_net.setInput(InputBlob, "data");//bvlc_googlenet.caffemodel中第一个layer_name
		prob = caffe_net.forward("prob");//bvlc_googlenet.caffemodel中最后一个layer_name
	}
	Mat Matprob = prob.reshape(1, 1);//维度变成1*1000s
	double Probability;//最大相似度
	Point classindex;
	minMaxLoc(Matprob, NULL, &Probability, NULL, &classindex);//返回最大值
	int Nameindex = classindex.x;//最大相似度对应的索引
	cout << "最大相似度Probability:" << Probability * 10 << "%" << endl;
	cout << "标签名NameValue:" << labels.at(Nameindex) << endl;
	putText(src,labels.at(Nameindex),Point(20,20),FONT_HERSHEY_SIMPLEX,0.5, Scalar(0, 0, 255), 1, 8);
	imshow("src", src);
	waitKey(0);
	return 0;
}
vector readClassLabels()
{
	ifstream fp(Label_Text);//打开"synset_words.text"标签文件
	if (!fp.is_open())//判断fp是否成功读取文件
	{
		cout << "文件没找到" << endl;
		exit(-1);//判断语句
	}
	vector classNames;//存放name
	string name;
	while (!fp.eof())//当文件没有读到尾部
	{
		getline(fp, name);//从fp中读取文件的每一行,并将结果放到name中
		if (name.length())
		{
			classNames.push_back(name.substr(name.find(" ") + 1));//空格+1后面的字符返回给name,并写入classNames
			//substr(开始,长度),并返回子串//如果没有指定长度,则子字符串将延续到源字符串的结尾
		}
	}
	fp.close();//关闭输入输出流
	return classNames;
}

输出结果:
在这里插入图片描述