NCNN框架的简洁配置流程

完整的安装配置过程可以参考这个博客
https://blog.csdn.net/weixin_43051346/article/details/122414506
因为我在进行protobuf和ncnn框架编译的时候，总会出现报错，无法解决。
最后发现，换了台电脑重新配置就没问题了。

配置流程

然后我直接把另外一台电脑编译好的文件拿来用，流程如下：

1.下载好百度云里面的文件并解压：

链接：https://pan.baidu.com/s/1_rLFVW_4p9I8YO1F3Im-Aw
提取码：rjh9
–来自百度网盘超级会员V1的分享

2.配置opencv（配置好的可以跳过）

opencv配置过程
这是我已经编译好的文件：

链接：https://pan.baidu.com/s/1937PkY6WBKYhhbr_y7LGvA
提取码：187x
–来自百度网盘超级会员V1的分享

导入vs2017的是：D:\biancheng\opencv\build\x64\vc15\lib

3.打开vs2017

新建vs2017项目，添加以下包含目录，第一个目录为opencv的include路径，第二个为编译生成的ncnn里的include路径，第三个为编译生成的protobuf里的include路径。

继续添加库目录，第一个目录为opencv的lib路径，第二个为编译生成的ncnn里的lib路径，第三个为编译生成的protobuf里的lib路径。

继续添加windows运行库目录，该目录为protobuf的bin路径

在链接器-输入中添加附加依赖项，分别是

测试

测试用的图片自己找，使用的模型文件在ncnn下的examples文件夹内

#include <opencv2/opencv.hpp>
#include <map>
#include <vector>  
#include <algorithm>  
#include <functional>  
#include <cstdlib> 
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
#include <net.h>



static int detect_squeezenet(const cv::Mat& bgr, std::vector<float>& cls_scores)
{
	ncnn::Net squeezenet;
	squeezenet.load_param("./squeezenet_v1.1.param");   // ncnn加速所需的转换后的模型文件之一
	squeezenet.load_model("./squeezenet_v1.1.bin");     // ncnn加速所需的转换后的模型文件之二

	ncnn::Mat in = ncnn::Mat::from_pixels_resize(bgr.data, ncnn::Mat::PIXEL_BGR, bgr.cols, bgr.rows, 227, 227);

	const float mean_vals[3] = { 104.f, 117.f, 123.f };
	in.substract_mean_normalize(mean_vals, 0);

	ncnn::Extractor ex = squeezenet.create_extractor();

	ex.input("data", in);

	ncnn::Mat out;
	ex.extract("prob", out);

	cls_scores.resize(out.w);
	for (int j = 0; j < out.w; j++)
	{
		cls_scores[j] = out[j];
	}

	return 0;
}

static int print_topk(const std::vector<float>& cls_scores, int topk)
{
	// partial sort topk with index
	int size = cls_scores.size();
	std::vector< std::pair<float, int> > vec;
	vec.resize(size);
	for (int i = 0; i < size; i++)
	{
		vec[i] = std::make_pair(cls_scores[i], i);
	}

	std::partial_sort(vec.begin(), vec.begin() + topk, vec.end(),
		std::greater< std::pair<float, int> >());

	// print topk and score
	for (int i = 0; i < topk; i++)
	{
		float score = vec[i].first;
		int index = vec[i].second;
		fprintf(stderr, "%d = %f\n", index, score);
	}

	return 0;
}

int main()
{
	std::string imagepath = "./duck.jpg";
	cv::Mat m = cv::imread(imagepath, CV_LOAD_IMAGE_COLOR);
	if (m.empty())
	{
		std::cout << "cv::imread " << imagepath << " failed\n" << std::endl;
		return -1;
	}

	std::vector<float> cls_scores;
	detect_squeezenet(m, cls_scores);

	print_topk(cls_scores, 3);

	return 0;
}

结果
![在这里插入图片描述](https://img-blog.csdnimg.cn/e166d2ad1d8b499c913508a62c11ed0d.png