EmguCV学习笔记 C# 11.4 图像分类

版权声明：本文为博主原创文章，转载请在显著位置标明本文出处以及作者网名，未经作者允许不得用于商业目的。

EmguCV是一个基于OpenCV的开源免费的跨平台计算机视觉库,它向C#和VB.NET开发者提供了OpenCV库的大部分功能。

教程VB.net版本请访问：EmguCV学习笔记 VB.Net 目录-CSDN博客

教程C#版本请访问：EmguCV学习笔记 C# 目录-CSDN博客

笔者的博客网址：https://blog.csdn.net/uruseibest

教程配套文件及相关说明以及如何获得pdf教程和代码，请移步：EmguCV学习笔记

学习VB.Net知识，请移步： vb.net 教程 目录_vb中如何用datagridview-CSDN博客

 学习C#知识，请移步：C# 教程 目录_c#教程目录-CSDN博客

 

11.4 图像分类

GoogleLeNet是由Google团队提出的一种深度卷积神经网络，它在图像分类任务中表现良好，可以处理大规模的图像数据集，并获得较高的准确率。GoogleLeNet在ILSVRC 2014图像分类比赛中取得了较好的成绩。

【代码位置：frmChapter11】Button2_Click

        //图像分类：Googlenet

        private void Button2_Click(object sender, EventArgs e)

        {

            //字符串数组保存对象分类名称

            string[] classnames;

            //对象分类，googlenet分类文件提供了1000类对象

            //将每一行（对象）加入数组

            classnames = System.IO.File.ReadAllLines("C:\\learnEmgucv\\googlenet\\label.txt");

            //需要测试的图像文件

            Mat m = new Mat("C:\\learnEmgucv\\tower.jpg", ImreadModes.Color);

            int hm = m.Height;

            int wm = m.Width;

            Net net;

            //读取网络结构文件（bvlc_googlenet.prototxt）

            //和模型参数文件（bvlc_googlenet.caffemode）

            net = DnnInvoke.ReadNetFromCaffe("C:\\learnEmgucv\\googlenet\\bvlc_googlenet.prototxt",

                                               "C:\\learnEmgucv\\googlenet\\bvlc_googlenet.caffemodel");

            //设置后端使用OpenCV

            net.SetPreferableBackend(Emgu.CV.Dnn.Backend.OpenCV);

            //设置计算模型的硬件设备

            net.SetPreferableTarget(Target.Cpu);

            Mat blob;

            //转换为网络输入的blob格式

            blob = DnnInvoke.BlobFromImage(m, 1.0, new Size(224, 224), new MCvScalar(127.5, 127.5, 127.5), false, false);

            //设置输入数据

            net.SetInput(blob);

            Mat mout = new Mat();

            //进行模型推理

            mout = net.Forward();

            //最值

            double minValue = 0;

            double maxValue=0;

            //最坐标点

            Point minPoint = new Point();

            Point maxPoint = new Point();

            //在使用Googlenet进行图像分类时，

            //最大值表示是某类对象的置信度（可能性）百分比

            //最大值所对应坐标x即对象序号

            CvInvoke.MinMaxLoc(mout, ref minValue, ref maxValue, ref minPoint, ref maxPoint);

            CvInvoke.PutText(m, "result:" + classnames[maxPoint.X] + "  " + maxValue,

                              new Point(10, 20), FontFace.HersheyDuplex, 0.8, new MCvScalar(0, 0, 255));

            ImageBox1.Image = m;

        }

输出结果如下图所示：

 

图11-1 获得图像分类