OpenCV多图像检测

Question

我正在尝试构建一种简单的图像检测算法，该算法将对不同的对象（例如塑料杯，瓶子，手机等）进行分类。使用openCV和python实现此目的的最佳方法是什么？谢谢

Answer 1

如果您正在寻找可以检测各种物体（即对给定图像进行分类）的算法或模型，则必须查看Conv Nets（CNN）。

CNN是一种深度学习模型，可以在要检测的图像类别上进行训练。以后，可以将不同的图像提供给训练有素的CNN以获得预测。

如果您对此内容感兴趣，建议您阅读this博客文章。

您可以尝试对图像进行一些图案匹配，但是如果变化很大，则准确性会大大降低。

Answer 2

据我所知，您无法在OpenCV上训练/构建自己的网络。您宁愿使用OpenCV来加载预训练的模型并在一组图像上执行检测。

要创建新模型，您可以使用caffe，torch或tensorflow框架，并使用它在OpenCV中执行检测。

要执行检测，您需要执行以下操作：

• 首先，确保已使用contrib模块编译了OpenCV。如果您不只是在您的终端上输入以下内容：pip install opencv-contrib-python。
• 首先确保您拥有cv2.dnn。如果您不这样做，则需要更新OpenCV的版本。
• 现在，您可以从以下框架之一中选择模型：caffe，tensorflow，darkNet和Torch：
  • readNetFromCaffe
  • readNetFromDarknet
  • readNetFromTensorflow
  • readNetFromTorch
• 选择框架后，选择一个预先训练的模型。您可以从HERE获得预训练的caffe模型，并从HERE获得tensorflow模型。在github上进行良好的搜索将为您提供更多模型。

在阅读this blogpost by Adrian之后，我遇到了dnn模块。

仅重申一下，您可以在OpenCV上使用预先训练的模型执行检测，但不能创建新模型。

如何运行预训练模型？

1. caffe ：model= cv2.dnn.readNetFromCaffe(ResNet.prototxt.txt, ResNet.caffemodel)，其中prototxt.txt文件包含架构，另一个文件包含模型权重。

2. tensorflow ：model = cv2.dnn.readNetFromCaffe(ResNet.pb, ResNet.pbtxt)，其中.pb文件包含netwrok体系结构，.pbtxt包含模型权重。

有关更多详细信息，请参见链接。