关于CV2.dnn.readNetFromDarknet(config_path, weights_path)报错解决方式

最新推荐文章于 2024-05-10 14:23:46 发布
最新推荐文章于 2024-05-10 14:23:46 发布
阅读量7.4k 收藏 4
点赞数 2
分类专栏： python人工智能问题 文章标签： dnn opencv python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a1103580557/article/details/120158162
版权
最近在用yolo做人脸识别的时候发现使用CV2.dnn.readNetFromDarknet(config_path, weights_path)经常会出现错误cv2.error: OpenCV(4.5.3) C:\Users\runneradmin\AppData\Local\Temp\pip-req-build-sn_xpupm\opencv\modules\dnn\src\darknet\darknet_importer.cpp:207: error: (-212:Parsing error)
摘要由CSDN通过智能技术生成

最近在用yolo做人脸识别的时候发现使用
CV2.dnn.readNetFromDarknet(config_path, weights_path)
经常会出现错误

cv2.error: OpenCV(4.5.3) C:\Users\runneradmin\AppData\Local\Temp\pip-req-build-sn_xpupm\opencv\modules\dnn\src\darknet\darknet_importer.cpp:207: error: (-212:Parsing error) Failed to parse NetParameter file: ./cfg/yolov3_coco.cfg in function 'cv::dnn::dnn4_v20210608::readNetFromDarknet'

这个错误在网上的解决方案大多都是优化opencv2，但是我是用的pycharm办公，他们优化方案很多都是在linux，MAC以及Ubantu上操作。除此之外还查过的就是更新版本以及写绝对路径值，但都改变不了，源代码片段如下

def yolo_detect(pathIn='',
                pathOut=None,
                label_path='./cfg/coco.names',
                config_path='./cfg/yolov3_coco.cfg'
最低0.47元/天 解锁文章
垂钓者233
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Python2和Python3的切换
xixi20200的博客
10-24 608
最近在学习Python爬虫，用PyCharm运行示例爬虫程序，有的程序使用Python2的库，有的程序使用Python3的库，需要切换启动程序，如果没有设置，就会报错 打开File-setting，为该项目设置Python解释器，defaultSetting为PyCharm设置默认解释器，两者的设置过程一样的，建议都设置一下 在setting页面中选择，Project 项目名，Project Interpreter，在如下图右上角位置点击Add添加Python解释器 打开添加页面如下，在右边选项栏中选.
OpenCV加载深度学习框架与模型
weixin_42010722的博客
12-15 9797
OpenCV加载深度学习框架与模型1.DNN模块模块简介2.DNN模块常用函数方法2.1 cv2.dnn.blobFromImage2.3 cv2.dnn.NMSBoxes2.4 cv2.dnn.readNet2.4.1 cv2.dnn.readNetFromCaffe2.4.2 cv2.dnn.readNetFromDarknet2.4.3 cv2.dnn.readNetFromTensorflow2.4.4 cv2.dnn.readNetFromTorch3.OpenCV使用预训练模型做应用3.1 加载
深度学习模型部署:OpenCV的DNN模块学习
最新发布
qq52144324的博客
05-10 292
OpenCV的DNN模块可以用来加载和使用由各种深度学习框架训练的模型，例如TensorFlow, Caffe, Darknet, Torch/PyTorch等。使用OpenCV DNN模块，可以在不需要安装这些框架的情况下运行深度学习模型，对于部署在较低功耗或限制性环境中的应用程序特别有用。：使用，其中XXX可以是Caffe, TensorFlow, Torch, Darknet或者是onnx等，具体取决于模型格式。：准备好输入数据，通常需要进行一些预处理，比如缩放、中心化、归一化等。
利用OpenCV dnn调用keras深度学习模块，实现图像分类
mr_liyonghong的专栏
08-31 2046
1. 导入库文件 # import the necessary packages from keras.models import Sequential from keras.layers.convolutional import Conv2D from keras.layers.convolutional import MaxPooling2D from keras.layers.core import Activation from keras.layers.core import Flatten
基于opencv和 yolo 遇到的bug ‘cv::dnn::dnn4_v20200310::readNetFromDarknet‘
热门推荐
qq_43628647的博客
11-19 1万+
今天做图像识别改了一天的bug，在命令行可以直接跑起来，但是到了pycharm就会出错。 weightsPath = "mytask.weights" # 权重文件 configPath = "mytask.cfg" # 配置文件 labelsPath = "mytask.names" # label名称 CONFIDENCE = 0.95 # 过滤弱检测的最小概率 THRESHOLD = 0.4 # 非最大值抑制阈值 # 加载网络、配置权重 net = cv2.dnn.readNetFromD
【OpenCV进阶】DNN模型详细解读
欢迎时常光顾我的干货超市，热衷于AIoT！！
07-29 2351
API-blobFormImage reference:OpenCV中blobFromImage函数详细解释 作用：对输入图像进行归一化操作 函数参数如下 Mat cv::dnn::blobFromImage( InputArray image, double scalefactor = 1.0, const Size & size = Size(), const Scalar & mean = Scalar(), bool swapRB = false, bool crop
cv2.dnn.readNetFromDarknet error: Unsupported activation: relu
uncle_ll的博客
05-15 4623
问题 使用opencv dnn 模块调用darknet模型时候出错，报错信息为 不支持relu激活函数 cv2.dnn.readNetFromDarknet error: (-212:Parsing error) Unsupported activation: relu in function 'cv::dnn::darknet::ReadDarknetFromCfgStream' 解决办法 优化opencv，使得opencv支持 CNN “relu” 和 maxpool “VALID”。 complie
python下使用cv2调用darknet
hhhuua的博客
08-07 4931
一、单张调用 1.准备好配置文件 coco.names yolov3.cfg yolov3.weights 将上述文件保存在cfg的目录下，后续可以换成自己训练好的文件 链接：https://pan.baidu.com/s/1GVwE3ORfJ-YwzrHDi73_hQ 提取码：8s83 2、将下面的代码命名为detect.py # detect.py import cv2 import numpy as np import os import time def yolo_det...
使用opencv dnn 模块调用darknet模型时候出错，不支持relu激活函数
data+scenario+science+insight
04-16 1804
问题: 使用opencv dnn 模块调用darknet模型时候出错，报错信息为 不支持relu激活函数 以下过程为笔者自己解决该问题的过程，供各位参考学些，因为中间又遇到新的坑，所以各位务必看完再决定如何操作执行。 cv2.dnn.readNetFromDarknet error: (-212:Parsing error) Unsupported activation: relu in function 'cv::dnn::darknet::ReadDarknetFromCfgStream'...
opencv 如何调用yolov4 （告别pytorch环境）
weixin_45303602的博客
07-31 593
YOLOV4其实是一个结合了大量前人研究技术，加以组合并进行适当创新的算法，实现了速度和精度的完美平衡。
【openvino-python】 cv2.dnn.readNet(xml, bin)运行报错
jn10010537的博客
09-16 3198
【openvino-python】 cv2.dnn.readNet运行报错1.背景2.分析3.解决办法 1.背景 net = cv2.dnn.readNet(xml, bin)运行报错： 报错图片如下： 报错信息如下： cv2.error: OpenCV(4.1.0) C:\projects\opencv-python\opencv\modules\dnn\src\dnn.cpp:2670: error: (-2:Unspecified error) Build OpenCV with Inferenc
mnist.rar_DNN_MNIST_MNIST.mat_dnn代码_mnist 深度神经网络
09-20
mnistbdn.mat：培训dnn mnistred.m：读取mnist数据的函数 traimnist.m:使用mnist数据的培训示例代码 evamnist.m:mnistDBDN.mat的评估示例代码 testmnist.m：它叫traimnist和evamnist
mnist_dropout.zip_DNN_MNIST_belowwtu_drop out_mnist neural netwo
09-21
标题中的"mnist_dropout.zip_DNN_MNIST_belowwtu_drop out_mnist neural network"表明这是一个关于使用Dropout技术在MNIST数据集上构建深度神经网络（DNN）的项目。MNIST是一个广泛用于手写数字识别的标准数据集，而...
DNN.zip_DNN_DNN实现_Python DNN_python DNN demo_python DNN实现
09-23
深度神经网络（DNN，Deep Neural Network）是人工智能领域中的一种重要模型，它模拟人脑神经元的工作方式，通过多层非线性变换对数据进行建模。在本项目中，我们将探讨如何使用Python3来实现一个简单的DNN，特别关注...
DNN_Id.rar_DNN_DNN matlab_dnn matlab_matlab dnn_sigmoidal
07-14
DNN identifier with sigmoidal functions
DNN.zip_DNN_DNN WMMSE_DNN算法_WMMSE_WMMSE方案
07-13
深度神经网络（DNN）是一种在机器学习领域广泛应用的模型，尤其在语音识别、图像处理、自然语言处理等任务上表现出色。WMMSE（Weighted Minimum Mean Square Error）算法则是在无线通信系统中用于优化信源编码和信道...
opencv调用darknet
weixin_42783784的博客
04-27 1685
本文主要介绍如何通过opencv调用已经训练好的darknet模型进行目标检测 1.模型及配置文件下载 需要下载以下文件 已经训练好的模型权重文件 **.weights 模型配置文件 yolov3.cfg 类别标签文件 ***.names 2.初始化参数 设置置信度阈值和nms阈值 3.加载模型和获取输入图像 net = cv2.dnn.readNetFromD...
JAVA调用OPENCV中DNN.Darknet接口进行目标检测测试（代码备份）
一个致力“使己成为人”的专栏
10-29 3931
测试使用的是最新版opencv-3.3.1，dnn模块中加入了很多深度学习库的接口，可直接读取配置文件进行预测，对于面向应用的程序设计很有意义。import org.opencv.core.*; import org.opencv.dnn.*; import org.opencv.imgproc.*; import org.opencv.imgcodecs.*;public class Main {
cv.dnn介绍及常用模块
lian740930980的博客
11-18 4482
介绍 OpenCV中的深度学习模块（DNN）只提供了推理功能，不涉及模型的训练，即模型训练好了，进行预测，支持多种深度学习框架，比如TensorFlow，Caffe,Torch和Darknet。 OpenCV那为什么要实现深度学习模块？ 轻量型。DNN模块只实现了推理功能，代码量及编译运行开销远小于其他深度学习模型框架。 使用方便。DNN模块提供了内建的CPU和GPU加速，无需依赖第三方库，若项目中之前使用了OpenCV，那么通过DNN模块可以很方便的为原项目添加深度学习的能力。
代码实现验证目标检测准确度
05-15
目标检测的准确度通常使用 Average Precision（AP）和 mean Average Precision（mAP）作为评价指标。下面是一个使用 Python 和 OpenCV 实现目标检测准确度验证的简单示例代码： ```python import cv2 # 加载模型和标签 model = cv2.dnn.readNetFromDarknet(model_config_path, model_weights_path) labels = open(labels_path).read().strip().split('\n') # 加载测试图片和真实标签 image = cv2.imread(test_image_path) ground_truth = load_ground_truth(ground_truth_path) # 执行前向传播得到预测结果 model.setInput(cv2.dnn.blobFromImage(image, 1/255.0, (416, 416), swapRB=True, crop=False)) output_layer_names = model.getUnconnectedOutLayersNames() layer_outputs = model.forward(output_layer_names) # 解析预测结果并计算准确度 boxes, confidences, class_ids = postprocess(layer_outputs, image.shape[:2], confidence_threshold, nms_threshold) average_precision, precision, recall = calculate_ap(boxes, confidences, class_ids, ground_truth) # 输出结果 print("Average Precision (AP): {:.2f}%".format(average_precision * 100)) print("Precision: {:.2f}%".format(precision * 100)) print("Recall: {:.2f}%".format(recall * 100)) ``` 其中，`model_config_path` 和 `model_weights_path` 分别是模型的配置文件和权重文件的路径，`labels_path` 是标签文件的路径，`test_image_path` 是测试图片的路径，`ground_truth_path` 是真实标签文件的路径，`confidence_threshold` 和 `nms_threshold` 是置信度阈值和非极大值抑制阈值，`postprocess` 函数用于解析预测结果，`calculate_ap` 函数用于计算准确度。具体实现可以参考相关文献或代码库。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值