OpenCV4深度神经网络DNN实战教程

1-概述与环境配置
2-卷积神经网络概述
3-加载网络模型与设置
- 3.1 所需的模型下载
- 3.2 所使用的模型（googlenet）
- 3.3 Net介绍
- 3.4 代码输出网络结构信息
- 3.5 计算后台设置
- 3.6 所有代码
4-图像分类网络inception的使用
5-读取分类标签文件显示分类
6-对象检测网络介绍
7-SSD对象检测网络加载与执行
8-SSD对象检测推理输出解释与显示
9-Faster RCNN对象检测模型使用
- 解决无法打开RAW的问题
10-YOLOv3对象检测模型推理使用
11-OpenCV DNN配置加速组件IE支持

1-概述与环境配置

OpenCV DNN模块
传统的HAAR级联人脸检测器不可靠到DNN的高可靠

各种操作
，如何将TensorFlow训练出来的模型导入到，实现很好的调用

OpenCVDNN模块可以解决

OpenCV4不再是单纯的计算机视觉库，还有深度学习推理库
OpenCV4后与神经网络

扩展模块
在3.3中放到了release版本中

旧的教程下线有瑕疵
此时已经很成熟了，通过IE加速（推理引擎，7、8倍的效率提升）
OpenCV4模型数很多

OpenCVgithub官方网站https://github.com/opencv/opencv
点击wiki
https://github.com/opencv/opencv/wiki/Deep-Learning-in-OpenCV
有很多关于深度学习的介绍

OpenCV face detector已经做的非常好了，模型只有几兆，但检测，完全可以抛弃级联检测方式

整个目录围绕模型展开。
在这里插入图片描述

色彩，风格迁移

OpenCV 的DNN如何使用，在应用层
在这里插入图片描述

2-卷积神经网络概述

如何还用OpenCV的API加载神经网络各个层次
卷积神经网络框架中，有paddle填充模式，sim是输入3232大小，输出还是3232大小。而value输入3232，输出则变为2828.。

重叠池化的步长永远是1

局部池化，步长是其大小

最大值池化、均值池化，根据数据
在这里插入图片描述

3-加载网络模型与设置

https://www.pianshen.com/article/9895277588/
在这里插入图片描述

如何加载一个网络，网络有输入，输入是图像，c通道数，h高度，w宽度，N一般为1，表示1张图像的预测，也可以多张图像

获取输出层有个api
在这里插入图片描述

3.1 所需的模型下载

opencv_tutorial-master文件是从Google下载的，下载路径为实际上下载的东西在贾老师的GitHub上就有，
https://github.com/gloomyfish1998/opencv_tutorial/
将下载好的文件保存在了D:\OpenCV\project\下

3.2 所使用的模型（googlenet）

D:\OpenCV\project\opencv_tutorial-master\data\models\googlenet
在这里插入图片描述

bvlc_googlenet.caffemodel这是个caffe模型，在OpenCV中支持离线加载，不依赖caffe，这是模型的权重文件
bvlc_googlenet.prototxt这是模型的描述文件
Imagenet支持1000个分类，分类类别在classification_classes_ILSVRC2012.txt可以看到，使用editplus可以看到一直到1000行
//有了模型的权重和描述文件就可以加载模型了

3.3 Net介绍

（1）在OpenCV中加载模型要通过readNetWork函数
（2）readNet函数有三个参数，参数1加载网络（caffe、TensorFlow等）,参数2，3为权重路径和描述文件
（3）或者readNetFromCaffe（TensorFlow、darknet、ONNX等）,意思为读进来的必须是caffe模型，此外还支持TensorFlow等模型，只有两个参数
（4）还有readNetFromModelOptimizer从dnn模型优化器中读取模型优化后的模型

Net net = readNetFromCaffe(protxt, bin_model);	//此处只能加载caffe的

3.4 代码输出网络结构信息

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>			//包含dnn模块的头文件
#include <iostream>using namespace cv;
using namespace cv::dnn;			//包含dnn的命名空间
using namespace std;int main() {string bin_model = "D:/OpenCV/project/opencv_tutorial-master/data/models/googlenet/bvlc_googlenet.caffemodel";		//定义模型权重文件的加载路径string protxt = "D:/OpenCV/project/opencv_tutorial-master/data/models/googlenet/bvlc_googlenet.prototxt";			//定义模型描述文件的加载路径//Imagenet支持1000个分类，分类类别在classification_classes_ILSVRC2012.txt可以看到，一直到1000//有了模型的权重和描述文件就可以加载模型了//在OpenCV中加载模型要通过readNetWork，//readNet函数有三个参数，参数1加载网络（caffe、TensorFlow等）,参数2，权重路径，参数3，描述文件//或者readNetFromCaffe（TensorFlow、darknet、ONNX等）,意思为读进来的必须是caffe模型，此外还支持TensorFlow等模型，只有两个参数//还有readNetFromModelOptimizer从dnn模型优化器中读取模型优化后的模型Net net = readNetFromCaffe(protxt, bin_model);vector<string> layer_names = net.getLayerNames();		//此时我们就可以获取所有层的名称了，有了这些可以将其ID取出for (int i = 0; i < layer_names.size(); i++) {int id = net.getLayerId(layer_names[i]);			//通过name获取其idauto layer = net.getLayer(id);						//通过id获取layerprintf("layer id:%d,type:%s,name:%s\n", id, layer->type.c_str(), layer->name.c_str());	//将每一层的id，类型，姓名打印出来（可以明白此网络有哪些结构信息了）}waitKey(0);return 0;
}

在这里插入图片描述

我们知道这个网络有142层，Convolution卷积层，relu激活函数，pooling池化层，此时就搞清楚网络结构了

现在去搞其他的网络的层等信息也就清楚了

3.5 计算后台设置

//设置计算后台（OpenCVdnn模块支持设置不同的计算后台和在不同的设备上进行）net.setPreferableBackend(DNN_BACKEND_OPENCV);				//setPreferableBackend实际计算后台，default默认是DNN_BACKEND_OPENCV作为计算后台，使用此就行（也有加速后台ENGINE）net.setPreferableTarget(DNN_TARGET_CPU);						//设置在什么设备上进行计算（opencl（需要有interl图形卡）、FPGA、CPU）//当上面两个设置之后，他在执行网络进行推算时就会执行此计算后台进行计算（不同的计算后台有不同的效果，速度也有差别）

本节课学习了如何加载一个网络，此网络是Googlenet的，下节会讲如何使用此网络实现图像的分类预测

3.6 所有代码

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>			//包含dnn模块的头文件
#include <iostream>using namespace cv;
using namespace cv::dnn;			//包含dnn的命名空间
using namespace std;int main() {string bin_model = "D:/OpenCV/project/opencv_tutorial-master/data/models/googlenet/bvlc_googlenet.caffemodel";		//定义模型权重文件的加载路径string protxt = "D:/OpenCV/project/opencv_tutorial-master/data/models/googlenet/bvlc_googlenet.prototxt";			//定义模型描述文件的加载路径//Imagenet支持1000个分类，分类类别在classification_classes_ILSVRC2012.txt可以看到，一直到1000//有了模型的权重和描述文件就可以加载模型了//在OpenCV中加载模型要通过readNetWork，//readNet函数有三个参数，参数1加载网络（caffe、TensorFlow等）,参数2，权重路径，参数3，描述文件//或者readNetFromCaffe（TensorFlow、darknet、ONNX等）,意思为读进来的必须是caffe模型，此外还支持TensorFlow等模型，只有两个参数//还有readNetFromModelOptimizer从dnn模型优化器中读取模型优化后的模型Net net = readNetFromCaffe(protxt, bin_model);//设置计算后台（OpenCVdnn模块支持设置不同的计算后台和在不同的设备上进行）net.setPreferableBackend(DNN_BACKEND_OPENCV);				//setPreferableBackend实际计算后台，default默认是DNN_BACKEND_OPENCV作为计算后台，使用此就行（也有加速后台ENGINE）net.setPreferableTarget(DNN_TARGET_CPU);						//设置在什么设备上进行计算（opencl（需要有interl图形卡）、FPGA、CPU）//当上面两个设置之后，他在执行网络进行推算时就会执行此计算后台进行计算（不同的计算后台有不同的效果，速度也有差别）//获取各层信息vector<string> layer_names = net.getLayerNames();		//此时我们就可以获取所有层的名称了，有了这些可以将其ID取出for (int i = 0; i < layer_names.size(); i++) {int id = net.getLayerId(layer_names[i]);			//通过name获取其idauto layer = net.getLayer(id);						//通过id获取layerprintf("layer id:%d,type:%s,name:%s\n", id, layer->type.c_str(), layer->name.c_str());	//将每一层的id，类型，姓名打印出来（可以明白此网络有哪些结构信息了）}waitKey(0);return 0;
}

4-图像分类网络inception的使用

池化层降维，卷积层提取特征，
利用已经训练好的模型在OpenCV中进行离线的调用

之前加载caffe模型，各个层次读取
图像分类识别
在这里插入图片描述

此图像分类模型主要来自谷歌，在CVPR2015发表
与之前的相比发表了inception模型

此模型可以对1000个类别进行分类
在这里插入图片描述

在OpenCV官方网站有关于模型中通道是BGR还是RGB的说明
https://github.com/opencv/opencv/wiki/Deep-Learning-in-OpenCV

https://github.com/opencv/opencv/blob/master/samples/dnn/models.yml
有个配置文件，配置说明文件，就说了各个模型调用的时候有哪些需要输入的参数。通过此模型给出的参数进行设置

Googlenet是RGB的通道顺序
最后一层是softmax
基于imagenet数据集的
它的类有
D:\OpenCV\project\opencv_tutorial-master\data\models\googlenet中的
classification_classes_ILSVRC2012.txt

构建输入可以参考OpenCV自带的配置文件，根据此文件进行构建输入
D:\OpenCV\opencv-4.4.0-vc14_vc15\opencv\sources\samples\dnn\models.yml
打开文件可以看到，上方链接为模型的下载链接，下方参数为构建输入，进行图像预处理时的参数
在这里插入图片描述

当我们需要继续对其分类时

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>			//包含dnn模块的头文件
#include <iostream>using namespace cv;
using namespace cv::dnn;			//包含dnn的命名空间
using namespace std;int main() {string bin_model = "D:/OpenCV/project/opencv_tutorial-master/data/models/googlenet/bvlc_googlenet.caffemodel";		//定义模型权重文件的加载路径string protxt = "D:/OpenCV/project/opencv_tutorial-master/data/models/googlenet/bvlc_googlenet.prototxt";			//定义模型描述文件的加载路径//Imagenet支持1000个分类，分类类别在classification_classes_ILSVRC2012.txt可以看到，一直到1000//有了模型的权重和描述文件就可以加载模型了//在OpenCV中加载模型要通过readNetWork，//readNet函数有三个参数，参数1加载网络（caffe、TensorFlow等）,参数2，权重路径，参数3，描述文件//或者readNetFromCaffe（TensorFlow、darknet、ONNX等）,意思为读进来的必须是caffe模型，此外还支持TensorFlow等模型，只有两个参数//还有readNetFromModelOptimizer从dnn模型优化器中读取模型优化后的模型Net net = readNetFromCaffe(protxt, bin_model);//设置计算后台（OpenCVdnn模块支持设置不同的计算后台和在不同的设备上进行）net.setPreferableBackend(DNN_BACKEND_OPENCV);				//setPreferableBackend实际计算后台，default默认是DNN_BACKEND_OPENCV作为计算后台，使用此就行（也有加速后台ENGINE）net.setPreferableTarget(DNN_TARGET_CPU);						//设置在什么设备上进行计算（opencl（需要有interl图形卡）、FPGA、CPU）//当上面两个设置之后，他在执行网络进行推算时就会执行此计算后台进行计算（不同的计算后台有不同的效果，速度也有差别）//获取各层信息vector<string> layer_names = net.getLayerNames();		//此时我们就可以获取所有层的名称了，有了这些可以将其ID取出for (int i = 0; i < layer_names.size(); i++) {int id = net.getLayerId(layer_names[i]);			//通过name获取其idauto layer = net.getLayer(id);						//通过id获取layerprintf("layer id:%d,type:%s,name:%s\n", id, layer->type.c_str(), layer->name.c_str());	//将每一层的id，类型，姓名打印出来（可以明白此网络有哪些结构信息了）//printf("name2:%s\n", layer_names[i].c_str());}Mat src = imread("G:/OpenCV/opencv笔记所用图片/plane.jpg");imshow("src", src);因为googlenet的通道类型是RGB通道的，而OpenCVread读取的是BGR通道的，要进行通道转换(实际在后面的blobFromImage就能进行通道转换，此处无需转换)//Mat rgb;	//cvtColor(src, rgb, COLOR_BGR2RGB);//构建输入//使用blobFromImage函数对单张图像进行预处理，使其符合网络的输入//对于网络来说原始输入层的时候都有指定的输入大小int w = 224;int h = 224;
Mat inputBlob = blobFromImage(src, 1.0, Size(w, h),Scalar(104, 117, 123), false,false);	//我们要将图像resize成224*224的才是我们神经网络可以接受的宽高//参数1：输入图像，参数2：默认1.0表示0-255范围的，参数3：设置输出的大小，参数4：均值对所有数据中心化预处理,参数5：是否进行通道转换,参数6：，参数7：默认深度为浮点型//设置输入//前面已经将图像预处理完成，就可以执行分类了//现在要将其输入到创建的网络中net.setInput(inputBlob);//进行推断得到输出//让网络执行得到output,调用forward可以得到一个结果//此处不给参数，得到的是最后一层的结果，也可以输入层数得到任何一层的输出结果Mat probMat = net.forward();	//通过前面的输出层看最后一层，可以知道输出100个分类，每个分类的得分是多少//softmax层出来的总和为1，找到max值对应的index就知道对应的分类了，在classification_classes_ILSVRC2012.txt可以知道具体名称//上方得到的probMat是1000*1*1（有imagewatch得到）//要解析输出（forward得到的）//对数据进行序列化（变成1行n列的，可以在后面进行方便的知道是哪个index了）Mat prob = probMat.reshape(1, 1);		//reshape函数可以进行序列化，（输出为1通道1行的数据，参数1:1个通道，参数2:1行）将输出结果变成1行n列的，但前面probMat本身就是1000*1*1//实际结果probMat和prob相同//当其他网络probMat需要序列化的时候，reshape就可以了//此时找到最大的那个Point classNum;double classProb;minMaxLoc(prob, NULL, &classProb, NULL, &classNum);//此时只获取最大值及最大值位置，最小值不管他int index = classNum.x;		//此时得到的是最大值的列坐标。就是其类的索引值，就可以知道其类名了printf("\n current index=%d,possible:%2f\n",index,classProb);	// current index=812,possible:0.999675,用editplus打开classification_classes_ILSVRC2012.txt，找到第813行（因为812+1）就是结果//这样自己在classification_classes_ILSVRC2012.txt找答案挺麻烦的，我们使用程序打开此文件，得到类名即可waitKey(0);return 0;
}

5-读取分类标签文件显示分类

一般对于自然场景的图像可以进行较精确的分类，利于后期图像查找等

输出层解析：主要讲其变为我们能接收的对象，找出最大可能性及其对于index
标签匹配：读入txt文件使其与index一一对应，最终得到类名

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>			//包含dnn模块的头文件
#include <iostream>
#include <fstream>				//文件流进行txt文件读取using namespace cv;
using namespace cv::dnn;			//包含dnn的命名空间
using namespace std;vector<string> readLabels();		//将类名的txt文件读取到容器中int main() {string bin_model = "D:/OpenCV/project/opencv_tutorial-master/data/models/googlenet/bvlc_googlenet.caffemodel";		//定义模型权重文件的加载路径string protxt = "D:/OpenCV/project/opencv_tutorial-master/data/models/googlenet/bvlc_googlenet.prototxt";			//定义模型描述文件的加载路径//Imagenet支持1000个分类，分类类别在classification_classes_ILSVRC2012.txt可以看到，一直到1000vector<string> names = readLabels();		//使用自定义函数读取特定文件中的类名到names中，在后面输出对应名称时会用到//有了模型的权重和描述文件就可以加载模型了//在OpenCV中加载模型要通过readNetWork，//readNet函数有三个参数，参数1加载网络（caffe、TensorFlow等）,参数2，权重路径，参数3，描述文件//或者readNetFromCaffe（TensorFlow、darknet、ONNX等）,意思为读进来的必须是caffe模型，此外还支持TensorFlow等模型，只有两个参数//还有readNetFromModelOptimizer从dnn模型优化器中读取模型优化后的模型Net net = readNetFromCaffe(protxt, bin_model);//设置计算后台（OpenCVdnn模块支持设置不同的计算后台和在不同的设备上进行）net.setPreferableBackend(DNN_BACKEND_OPENCV);				//setPreferableBackend实际计算后台，default默认是DNN_BACKEND_OPENCV作为计算后台，使用此就行（也有加速后台ENGINE）net.setPreferableTarget(DNN_TARGET_CPU);						//设置在什么设备上进行计算（opencl（需要有interl图形卡）、FPGA、CPU）//当上面两个设置之后，他在执行网络进行推算时就会执行此计算后台进行计算（不同的计算后台有不同的效果，速度也有差别）//获取各层信息vector<string> layer_names = net.getLayerNames();		//此时我们就可以获取所有层的名称了，有了这些可以将其ID取出for (int i = 0; i < layer_names.size(); i++) {int id = net.getLayerId(layer_names[i]);			//通过name获取其idauto layer = net.getLayer(id);						//通过id获取layerprintf("layer id:%d,type:%s,name:%s\n", id, layer->type.c_str(), layer->name.c_str());	//将每一层的id，类型，姓名打印出来（可以明白此网络有哪些结构信息了）//printf("name2:%s\n", layer_names[i].c_str());}Mat src = imread("G:/OpenCV/opencv笔记所用图片/plane.jpg");imshow("src", src);因为googlenet的通道类型是RGB通道的，而OpenCVread读取的是BGR通道的，要进行通道转换(实际在后面的blobFromImage就能进行通道转换，此处无需转换)//Mat rgb;	//cvtColor(src, rgb, COLOR_BGR2RGB);//构建输入//使用blobFromImage函数对单张图像进行预处理，使其符合网络的输入//对于网络来说原始输入层的时候都有指定的输入大小int w = 224;int h = 224;Mat inputBlob = blobFromImage(src, 1.0, Size(w, h),Scalar(104, 117, 123), false,false);	//我们要将图像resize成224*224的才是我们神经网络可以接受的宽高//参数1：输入图像，参数2：默认1.0表示0-255范围的，参数3：设置输出的大小，参数4：均值对所有数据中心化预处理,参数5：是否进行通道转换,参数6：，参数7：默认深度为浮点型//设置输入//前面已经将图像预处理完成，就可以执行分类了//现在要将其输入到创建的网络中net.setInput(inputBlob);//进行推断得到输出//让网络执行得到output,调用forward可以得到一个结果//此处不给参数，得到的是最后一层的结果，也可以输入层数得到任何一层的输出结果Mat probMat = net.forward();	//通过前面的输出层看最后一层，可以知道输出100个分类，每个分类的得分是多少//softmax层出来的总和为1，找到max值对应的index就知道对应的分类了，在classification_classes_ILSVRC2012.txt可以知道具体名称//上方得到的probMat是1000*1*1（有imagewatch得到）//要解析输出（forward得到的）//对数据进行序列化（变成1行n列的，可以在后面进行方便的知道是哪个index了）Mat prob = probMat.reshape(1, 1);		//reshape函数可以进行序列化，（输出为1通道1行的数据，参数1:1个通道，参数2:1行）将输出结果变成1行n列的，但前面probMat本身就是1000*1*1//实际结果probMat和prob相同//当其他网络probMat需要序列化的时候，reshape就可以了//此时找到最大的那个Point classNum;double classProb;minMaxLoc(prob, NULL, &classProb, NULL, &classNum);//此时只获取最大值及最大值位置，最小值不管他int index = classNum.x;		//此时得到的是最大值的列坐标。就是其类的索引值，就可以知道其类名了printf("\n current index=%d,possible:%2f,name=%s\n",index,classProb,names[index].c_str());	// current index=812,possible:0.999675,用editplus打开classification_classes_ILSVRC2012.txt，找到第813行（因为812+1）就是结果//这样自己在classification_classes_ILSVRC2012.txt找答案挺麻烦的，我们使用程序打开此文件，得到类名即可//此时可以将名称打印到图片上去putText(src, names[index].c_str(), Point(50, 50), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);imshow("result", src);waitKey(0);return 0;
}vector<string> readLabels() {string label_map_txt = "D:/OpenCV/project/opencv_tutorial-master/data/models/googlenet/classification_classes_ILSVRC2012.txt";vector<string> classNames;ifstream fp(label_map_txt);if (!fp.is_open()) {printf("could not find the file \n");exit(-1);}std::string name;while (!fp.eof()) {		//当没有结束时就一直读取getline(fp, name);	//每次读取一行if (name.length()) {classNames.push_back(name);}}fp.close();		//关闭文件输入流return classNames;
}

6-对象检测网络介绍

前面学习了如何通过DNN实现图像的分类，
图像分类的预训练模型googlenet，哪些层，输入，输出哪些看到
怎么去set到网络中，forward得到输出，可以forward任意一层，默认最后一层

对网络进行加载，相关后台设备，网络分类。

OpenCV的DNN模块只能进行推理，不能执行训练，训练是有各个深度学习的框架完成的，
这节课学习对象检测模型。

在计算机视觉中对象检测，常见模型及其输出层格式不同。

对象检测模型进行应用的代码演示。
在这里插入图片描述

前面的是分类，现在要检测：

图像的分类加对象位置信息就是对象检测
在这里插入图片描述

前面的googlenet只是得到分类信息就可以了

而检测还需要得到位置信息，长宽高等位置，得到位置信息再进行矩形
Image classification 图像分类
Object detection 对象检测
在这里插入图片描述

这些模型都有一些结构性的不同
在这里插入图片描述

卷积提取特征，RPN区域推荐网络，输出会产生很多ROI区域，可以对ROI区域分类，有了分类信息和位置信息

RCNN分类，位置回归，对象在什么位置，可能性是多少
在这里插入图片描述

SSD缺点，如果目标太小就检测不到了，对小物体检测效果不太好。

非最大抑制，可能会在不同的层次匹配到对象
在这里插入图片描述

SSD全是卷积的神经网络，训练，速度快，很多时候使用

YOLO也慢慢变成全卷积的网络了
在这里插入图片描述

Scale都是有阈值的，大于0.5的保留，小于的去掉

YOLOV3多尺度输出
在这里插入图片描述

YOLOV3输出的是其中心位置和宽高，解析方式与faster RCNN不同
在这里插入图片描述

YOLO最后一层的输出方式
11N7 N是多少张图，7个值，1，bumbox，index，scale，4个位置信息
11N（5+score）矩形信息和得分

不同网络最后一层输出方式不同，代码使用也不同

7-SSD对象检测网络加载与执行

SSD一次就能检测出多个box
SSD基础网络不一样，导出权重大小不一样的离线模型文件
在这里插入图片描述

数据集都是室内常见的物体，书，车，人，狗等类别

得分越高，在此数据集的表现越好
在这里插入图片描述

Scale是2/255

上面是模型的相关介绍
在这里插入图片描述

推断预测，结果解析，
data就是参数层的名称

CV_WRAP void setInput(InputArray blob, const String& name = "",double scalefactor = 1.0, const Scalar& mean = Scalar());/** @brief Sets the new value for the learned param of the layer.*  @param layer name or id of the layer.*  @param numParam index of the layer parameter in the Layer::blobs array.*  @param blob the new value.*  @see Layer::blobs*  @note If shape of the new blob differs from the previous shape,*  then the following forward pass may fail.*/

Forward 最终输出层就是detection_out
detection_out这一层出来的就是117的

D:\OpenCV\opencv-4.4.0-vc14_vc15\opencv\sources\samples\dnn在其下方的moduls.yml文件中有关于各个模型的参数配置，
在这里插入图片描述

而其labelmap_det.txt文件中内容有点多，实际可以总结出
如下

String objNames[] = { "background",
"aeroplane","bicycle","bird","boat",
"bottle","bus","car","cat","chair",
"cow","diningtable","dog","horse",
"motorbike","person","pottedplant",
"sheep","sofa","train","tvmonitor" };

输入层就是data

获取的层信息发现，最后一层就是detection_out

在这里插入图片描述

8-SSD对象检测推理输出解释与显示

加载输入，解析输出，后面会有针对视频的对象检测

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>			//包含dnn模块的头文件
#include <iostream>
#include <fstream>				//文件流进行txt文件读取using namespace cv;
using namespace cv::dnn;			//包含dnn的命名空间
using namespace std;String objNames[] = { "background",
"aeroplane","bicycle","bird","boat",
"bottle","bus","car","cat","chair",
"cow","diningtable","dog","horse",
"motorbike","person","pottedplant",
"sheep","sofa","train","tvmonitor" };int main() {string bin_model = "D:/OpenCV/project/opencv_tutorial-master/data/models/ssd/MobileNetSSD_deploy.caffemodel";		//定义模型权重文件的加载路径string protxt = "D:/OpenCV/project/opencv_tutorial-master/data/models/ssd/MobileNetSSD_deploy.prototxt";			//定义模型描述文件的加载路径//load DNN modelNet net = readNetFromCaffe(protxt, bin_model);//设置计算后台（OpenCVdnn模块支持设置不同的计算后台和在不同的设备上进行）net.setPreferableBackend(DNN_BACKEND_OPENCV);				//setPreferableBackend实际计算后台，default默认是DNN_BACKEND_OPENCV作为计算后台，使用此就行（也有加速后台ENGINE）net.setPreferableTarget(DNN_TARGET_CPU);						//设置在什么设备上进行计算（opencl（需要有interl图形卡）、FPGA、CPU）//获取各层信息vector<string> layer_names = net.getLayerNames();		//此时我们就可以获取所有层的名称了，有了这些可以将其ID取出for (int i = 0; i < layer_names.size(); i++) {int id = net.getLayerId(layer_names[i]);			//通过name获取其idauto layer = net.getLayer(id);						//通过id获取layerprintf("layer id:%d,type:%s,name:%s\n", id, layer->type.c_str(), layer->name.c_str());	//将每一层的id，类型，姓名打印出来（可以明白此网络有哪些结构信息了）}Mat src = imread("G:/OpenCV/opencv笔记所用图片/gou.jpg");	//planeif (src.empty()) {cout << "could not load image.." << endl;getchar();return -1;}imshow("src", src);//构建输入（根据models.yml）Mat blob = blobFromImage(src, 0.007843, Size(300, 300), Scalar(127.5, 127.5, 127.5), false, false);	//交换通道false，是否剪切falsenet.setInput(blob, "data");		//输入层名称就是data，通过描述文件也可以看到输入层名称//推测结果Mat detection = net.forward("detection_out");	//将名称为detection_out的层的结果返回，不输入名称默认也是返回最后一层，输入可以返回特定层的结果//上方得到的detection宽高为0（使用imagewatch查看，原因是其为tensen，它的宽高维度等信息都存在size结构中，所以要在下方通过size获取）//重新定义一个Mat对象接收Mat detectionMat(detection.size[2], detection.size[3], CV_32F, detection.ptr<float>());		//此处是初始化一个行为size[2]，列为size[3]大小，深度为浮点型，数据从detection中获取//使用imagewatch可以看到7*100的数组，单通道32F深度//获取浮点型数据后就可以进行数据的解析了float confidence_threshold = 0.5;		//在后面通过此判断合适的结果进行保存//解析输出数据//上方获取的detectionMat是100行，7列的，每行对应一个对象//输出结果[1x1xNx7], 其中输出的七个维度浮点数如下：//[image_id, label, conf, x_min, y_min, x_max, y_max]for (int i = 0; i < detectionMat.rows; i++) {float score = detectionMat.at<float>(i, 2);			//此处获取的是conf(i, 2)，也就是得分if (score > confidence_threshold) {					//如果获取的score大于0.5，就将box保存，不要扔掉size_t objIndex = (size_t)(detectionMat.at<float>(i, 1));		//此处获取的是label(i, 2)，就是索引//得到四个点的矩形框位置float tl_x = detectionMat.at<float>(i, 3)*src.cols;		//x_min(此处detectionMat.at<float>(i, 3)得到的是一个图像的比例值不是真实值，需要变换)float tl_y = detectionMat.at<float>(i, 4)*src.rows;		//y_minfloat br_x = detectionMat.at<float>(i, 5)*src.cols;		//x_maxfloat br_y = detectionMat.at<float>(i, 6)*src.rows;		//y_max//得到boxRect box((int)tl_x, (int)tl_y, (int)br_x - tl_x, (int)br_y - tl_y);//画矩形rectangle(src, box, Scalar(0, 0, 255), 2, 8, 0);//写文字(在box的做上角写文字)putText(src, format("score:%2f,%s",score,objNames[objIndex].c_str()), box.tl(), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(255, 0, 0), 2, 8);}}imshow("ssd-detection-demo", src);waitKey(0);return 0;
}

9-Faster RCNN对象检测模型使用

前面是SSD对象检测网络实现离线运行进行检测

加载模型，推理，输出，解析，输出格式是11N*7
至于网络中间部分训练时会关心，而推测评估时，只需知道输入输出，解析输出结果即可，
也可以获取卷积各层信息

Faster-RCNN是TensorFlow对象检测，TensorFlow object API

怎么将TensorFlow支持的对象拿出来
在这里插入图片描述

一定不要将其拷贝代码

将下载的描述文件复制到此文件目录下
在这里插入图片描述

上面的很多网络都是来自TensorFlow的预训练框架，已经训练好了，只需要将其权重及描述文件下载下来即可离线使用
点击进入，点击row另存为，不要拷贝会破坏格式。

本处下载的是faster-RCNN resnet50的权重文件及配置文件

下载的配置文件，后缀会有.txt，重命名将多余的.txt删除

解决无法打开RAW的问题

Windows上可以这样办：
上https://www.ipaddress.com查一下raw.githubusercontent.com的ipv4地址，比如我现在查到的是199.232.68.133。
使用管理员权限打开C:\Windows\System32\drivers\etc\hosts文件，添加到最后一行

199.232.68.133 raw.githubusercontent.com

或者管理员权限开或者给个用户写入权限。然后差不多就行了，可能要重启。不过本人使用editplus将其打开并输入后再打开raw.githubusercontent.com就成功了。
在这里插入图片描述

D:\OpenCV\project\opencv_tutorial-master\data\models\mscoco_label_map.pbtxt
数据集的类名有80个，在上面的文件内

80个类别定义数组太麻烦，直接采用读取读取.pbtxt文件的方式将类名导入进来
在这里插入图片描述

上面的格式
在这里插入图片描述

D:\OpenCV\project\opencv_tutorial-master\data\models\TensorFlow\faster_rcnn_resnet50_coco_2018_01_28
frozen_inference_graph.pb
faster_rcnn_resnet50_coco_2018_01_28.pbtxt

在这里插入图片描述

有时检测对象不多，将confidence值调低一些如0.5变为0.3如下所示可以检测出（但可能有些出错，一般以0.5即可）
在这里插入图片描述

此网络模型要比SSD耗时多

10-YOLOv3对象检测模型推理使用

Faster-RCNN来自TensorFlow的object detection即对象检测框架，此框架也有其他的对象检测网络，可以也被OpenCV4的DNN模块接收，并且数据设置与faster-RCNN类似

SSD来自caffe
Faster-RCNN来自TensorFlow
YOLO来自darknet框架，是C语言的框架，主要为YOLO服务
在这里插入图片描述

COCO数据集支持80个分类
常用的物体基本在其内

配置文件与权重
https://pjreddie.com/darknet/yolo/
在这里插入图片描述

YOLOV3-416 表示宽高416

YOLO有多个输出层，不像faster-RCNN、SSD只有一个输出层

YOLO有多个输出层，在这个层发现，另一个层也发现了，需要调用NMS将所有输出层结果合并
在这里插入图片描述

输出
NMS去掉重复box
Yolo有几个输出层，可能在好几个层都检测到了然后输出

NMS
在这里插入图片描述

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>			//包含dnn模块的头文件
#include <iostream>
#include <fstream>				//文件流进行txt文件读取using namespace cv;
using namespace cv::dnn;			//包含dnn的命名空间
using namespace std;string label_map = "D:/OpenCV/project/opencv_tutorial-master/data/models/YOLO3/object_detection_classes_yolov3.txt";int main() {string weight_file = "D:/OpenCV/project/opencv_tutorial-master/data/models/YOLO3/yolov3.weights";		//定义模型权重文件的加载路径string cfg_file = "D:/OpenCV/project/opencv_tutorial-master/data/models/YOLO3/yolov3.cfg";			//定义模型描述文件的加载路径//load DNN modelNet net = readNetFromDarknet(cfg_file, weight_file);vector<String> outNames = net.getUnconnectedOutLayersNames();	//获取多个输出层for (int k = 0; k < outNames.size(); k++) {printf("output layer name:%s \n", outNames[k].c_str());}//设置计算后台（OpenCVdnn模块支持设置不同的计算后台和在不同的设备上进行）net.setPreferableBackend(DNN_BACKEND_OPENCV);				//setPreferableBackend实际计算后台，default默认是DNN_BACKEND_OPENCV作为计算后台，使用此就行（也有加速后台ENGINE）net.setPreferableTarget(DNN_TARGET_CPU);						//设置在什么设备上进行计算（opencl（需要有interl图形卡）、FPGA、CPU）//获取各层信息vector<string> layer_names = net.getLayerNames();		//此时我们就可以获取所有层的名称了，有了这些可以将其ID取出for (int i = 0; i < layer_names.size(); i++) {int id = net.getLayerId(layer_names[i]);			//通过name获取其idauto layer = net.getLayer(id);						//通过id获取layerprintf("layer id:%d,type:%s,name:%s\n", id, layer->type.c_str(), layer->name.c_str());	//将每一层的id，类型，姓名打印出来（可以明白此网络有哪些结构信息了）}Mat src = imread("G:/OpenCV/opencv笔记所用图片/gou.jpg");	//planeif (src.empty()) {cout << "could not load image.." << endl;getchar();return -1;}imshow("src", src);Mat blob = blobFromImage(src, 0.00392, Size(416, 416), Scalar(), true, false);net.setInput(blob);//推理输出vector<Mat> outs;net.forward(outs, layer_names);	//将三个输出层的结果都得到vector<Rect> boxes;		//三个输出层的box信息接收vector<int> classIds;	//接收三个类的信息vector<float> confidences;	//接收三个得分信息for (int i = 0; i < outs.size(); i++) {//开始解析每个输出blobfloat *data = (float*)outs[i].data;for (int j = 0; j < outs[i].rows; j++,data+=outs[i].cols) {			//加入data+=outs[i].cols是为了跳到下一行去，data相当于指针，指针到下一行使用此种方式Mat scores = outs[i].row(j).colRange(5, outs[i].cols);Point classIdPoint;double confidence;minMaxLoc(scores, 0, &confidence, 0, &classIdPoint);//[C, center_x, center_y, width, height]if (confidence > 0.5) {int centerx = (int)(data[0] * src.cols);int centery = (int)(data[1] * src.rows);int width = (int)(data[2] * src.cols);int height = (int)(data[3] * src.rows);int left = centerx - width / 2;int top = centery - height / 2;classIds.push_back(classIdPoint.x);boxes.push_back(Rect(left, top, width, height));rectangle(src, Rect(left, top, width, height), Scalar(0, 0, 255), 2, 8);}}}imshow("result", src);waitKey(0);return 0;
}

发现有多个框，这是没有做非最大抑制出现的。
OpenCVDNN模块已经提供了非最大抑制的API

Yolov3tiny 也可以尝试一下，速度较快，只有30M左右，精度较低
但对于实时性较高的场景，还是不错的

NMS可以去掉重复的检测框，但需要调试，根据结果选择调试

OpenCV_DNNIE_837">11-OpenCV DNN配置加速组件IE支持

代码演示部分，每层都有box框

对象检测，图像分类都用了，但他们的速度太慢

使用IE加速我们对模块的推理

英特尔发布的深度学习加速工具包，开源的
其中最重要的组件有IE

• OpenVINO中的IE加速组件介绍
• 设置IE为计算后台，加速执行
• 代码演示
注意在官方下载的是无加速的，需要自己编译，才能得到支持OpenCV版本的，此种方式较麻烦

我们无需编译，只需要安装openVINO就可以得到一个支持IE加速的版本

OpenVINO中的IE加速组件介绍
• 下载与安装IE支持的OpenCV版本
• 重新配置OpenCV
• 安装依赖(VS2015/VS2017+CMake3.14+Python3.6.5)
• https://software.intel.com/en-us/openvino-toolkit/choose-download

注意要有CMAKE3.14,的环境变量要配置，python3.6.5也要配置到环境变量中去
在这里插入图片描述

注意openvino只会从默认的安装目录去找，所以前面的不要自定义安装，默认安装即可

OpenCVvino路径是可以改的，可以改到
将OpenCVvino中的OpenCV的lib，include等配置好

C:\Program Files (x86)\IntelSWTools\openvino_2020.4.287

只有通过OpenCVvino安装好后，才可以设置计算后台如下，否则会报错
net.setPreferableBackend(DNN_BACKEND_INFERENCE_ENGINE);
net.setPreferableTarget(DNN_TARGET_CPU);

可能对图片时，发现无法明显加速，前期是在加载模型，初始化权重方法，但一旦推断forward速度就会非常快
在这里插入图片描述

前面的caffe、TensorFlow、mxnet等平台的离线模型都可以通过OpenCV的DNN模块加载，加载开始计算时使用OpenCVDNN作为加载后台，现在有了opencvvino，就可以使用inference ENgine作为后台支持，而此后台又支持CPU\GPU\VPU加速，英伟达的GPU天生不支持，支持的是英特尔的图形卡的计算方式，如果想要支持需要自己想办法编译。
获得优化后可以得到5到10倍的加速，一秒钟可能5帧，现在就25帧了

代码实现
• 设置IE为计算后台
• 加速执行
• 支持网络与模型
• 关于转换IR与更多知识…

安装完成后需要测验一下

加速组件

https://cmake.org/files/v3.14/
https://www.python.org/downloads/release/python-365/

在这里插入图片描述

注意cmake和python3.6.5要默认路径安装，
Openvino可以更改路径安装
下面的路径就是推算引擎
C:\Program Files (x86)\IntelSWTools\openvino_2020.4.287\inference_engine

我们的是debug模式，要将下方的路径添加到环境变量
C:\Program Files (x86)\IntelSWTools\openvino_2020.4.287\inference_engine\bin\intel64\Debug

此处有OpenCV
C:\Program Files (x86)\IntelSWTools\openvino_2020.4.287\opencv
之前如何配置这里就怎么配置
OpenCV配置好后，此处就可以使用了

如何检测是否安装好了
C:\Program Files (x86)\IntelSWTools\openvino_2020.4.287\deployment_tools\demo
进入文件下，双击运行demo_security_barrier_camera.bat
等到最后弹出车牌检测图，说明所有安装都没有问题

在这里插入图片描述

使用openvino的OpenCV的属性配置，看能否
net.setPreferableBackend(DNN_BACKEND_INFERENCE_ENGINE);运行。

opencv_calib3d440d.lib
opencv_core440d.lib
opencv_dnn440d.lib
opencv_features2d440d.lib
opencv_flann440d.lib
opencv_gapi440d.lib
opencv_highgui440d.lib
opencv_imgcodecs440d.lib
opencv_imgproc440d.lib
opencv_ml440d.lib
opencv_objdetect440d.lib
opencv_photo440d.lib
opencv_stitching440d.lib
opencv_video440d.lib
opencv_videoio440d.libinference_engine_c_apid.lib
inference_engine_ir_readerd.lib
inference_engine_legacyd.lib
inference_engine_lp_transformationsd.lib
inference_engine_onnx_readerd.lib
inference_engine_preprocd.lib
inference_engine_transformationsd.lib
inference_engined.lib