[转载]OpenCV中DNN支持的网络架构

转自于

OpenCV入门及应用案例：手把手教你做DNN图像分类 - 云+社区 - 腾讯云 (tencent.com)

侵删！

感谢原作者！

自己训练了一个网络，发现opencv中无法使用，然后看到了这篇文章，觉得很nice，欢迎大佬给出如何在opencv中使用不支持的网络，有类似教程的朋友可以留言给我看看，谢谢！

OpenCV深度学习模块只提供网络推理功能，不支持网络训练。像所有的推理框架一样，加载和运行网络模型是基本的功能。深度学习模块支持TensorFlow、Caffe、Torch、DarkNet、ONNX和OpenVINO格式的网络模型，用户无须考虑原格式的差异。在加载过程中，各种格式的模型被转换成统一的内部网络结构。

深度学习模块支持所有的基本网络层类型和子结构，包括AbsVal、AveragePooling、BatchNormalization、Concatenation、Convolution (with DILATION)、Crop、DetectionOutput、Dropout、Eltwise、Flatten、FullConvolution、FullyConnected、LRN、LSTM、MaxPooling、MaxUnpooling、MVN、NormalizeBBox、Padding、Permute、Power、PReLU、PriorBox、Relu、RNN、Scale、Shift、Sigmoid、Slice、Softmax、Split和Tanh。

如果需要的层类型不在这个支持列表之内，则可以通过脚注中的申请链接来请求新的层类型的支持，OpenCV的开发者们有可能会在将来加入对该层类型的支持。读者也可以自己动手实现新的层类型，并把代码反馈回社区，参与到深度学习模块的开发中来。

除了实现基本的层类型，支持常见的网络架构也很重要，经过严格测试，深度学习模块支持的网络架构如下所示。

• 图像分类网络
• Caffe：AlexNet、GoogLeNet、VGG、ResNet、SqueezeNet、DenseNet、ShuffleNet
• TensorFlow：Inception、MobileNet
• Darknet：darknet-imagenet
• ONNX：AlexNet、GoogleNet、CaffeNet、RCNN_ILSVRC13、ZFNet512、VGG16、VGG16_bn、ResNet-18v1、ResNet-50v1、CNN Mnist、MobileNetv2、LResNet100E-IR、Emotion FERPlus、Squeezenet、DenseNet121、Inception-v1/v2、ShuffleNet
• 对象检测网络
• Caffe：SSD、VGG、MobileNet-SSD、Faster-RCNN、R-FCN、OpenCV face detector
• TensorFlow：SSD、Faster-RCNN、Mask-RCNN、EAST
• Darknet：YOLOv2、Tiny YOLO、YOLOv3（注：opencv4.5已经支持YOLOv4）
• ONNX：TinyYOLOv2
• 语义分割网络：FCN（Caffe）、ENet（Torch）、ResNet101_DUC_HDC（ONNX）
• 姿势估计网络：openpose（Caffe）
• 图像处理网络：Colorization（Caffe）、Fast-Neural-Style（Torch）
• 人脸识别网络：openface（Torch）