深度学习少儿教程: 神经网络框架的使用方式

最新推荐文章于 2024-01-21 13:40:53 发布

pkuyjxu

最新推荐文章于 2024-01-21 13:40:53 发布

阅读量306

点赞数

分类专栏：少儿编程人工智能文章标签：神经网络深度学习

本文链接：https://blog.csdn.net/pkuyjxu/article/details/109920860

版权

少儿编程同时被 2 个专栏收录

12 篇文章 0 订阅

订阅专栏

人工智能

4 篇文章 0 订阅

订阅专栏

opencv中使用神经网络的方式

step 1: 加载网络模型(以及网络参数配置信息)

prototxtPath = os.path.sep.join([args["face"], "deploy.prototxt"])
weightsPath = os.path.sep.join([args["face"],
	"res10_300x300_ssd_iter_140000.caffemodel"])
faceNet = cv2.dnn.readNet(prototxtPath, weightsPath)

tensorflow的加载:

maskNet = load_model("maskDetect.model")

step 2: 构造一个适合这个网络模型的输入

一般包含图片,图片分辨率(有些网络是固定,有些可容许多种规格选择),要不要裁剪crop,swapRB是指RGB还是BGR


	blob = cv2.dnn.blobFromImage(frame, 1 / 255.0, (416, 416),swapRB=True,crop=False)
	net.setInput(blob)

tensorflow:

            face = frame[startY:endY, startX:endX]
           face = cv2.cvtColor(face, cv2.COLOR_BGR2RGB)
           face = cv2.resize(face, (224, 224))
           face = img_to_array(face)
           face = preprocess_input(face)

step 3: 推理, 即计算出结果(检测种类以及概率), 有些还会有位置坐标参数

detections = faceNet.forward()

tensorflow的推理预测:

preds = maskNet.predict(faces, batch_size=32)