opencv for android(十七)：使用opencv的dnn模块加载caffe模型进行人脸识别

最新推荐文章于 2024-04-14 17:32:14 发布
最新推荐文章于 2024-04-14 17:32:14 发布
阅读量677 收藏 1
点赞数
分类专栏： opencv for android 从基础到实战 文章标签： opencv android java spring
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/qq_28548825/article/details/120596491
版权

不得不说，深度学习的人脸识别确实不错，侧脸，正脸，半边脸等都能识别到，确实比opencv的那个模型要好，先看效果：

opencv for android(十七)：使用opencv的dnn模块加载caffe模型进行人脸识别

opencv for android(十六)：opencv在android上的录制avi格式的视频

opencv for android(十五)：opencv的边缘检测,膨胀与腐蚀的应用：车牌识别(2)

opencv for android(十四)：opencv的边缘检测,膨胀与腐蚀的应用：车牌定位(1)

opencv for android(十

了解本专栏 订阅专栏 解锁全文 超级会员免费看
liming10101010
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
在Android Studio 3上搭建基于Tensorflow+OpenCV+JNI的Android应用（详细流程）
qq_36926782的博客
07-22 430
前言 此前因项目需要，要将PC端基于Tensorflow库，OpenCV库以及自己用C++编写的源码移植到Android平台，其中有很多坑，我站在前人的肩膀上已逐一踩过，特在此把我搭建app的过程记录一下。 开发环境 Android Studio 3+ SDK API 26 NDK 14b OpenCV 3.2.0 Tensorflow 1.5（这个版本随意） 搭建原理 OpenCV和Tensorflow是两个第三方库，它们都提供了java的接口可供调用，即可以在android端直接进行使用，但是从源码
caffe detect model检测模型的性能指标测试 ---ubuntu系统
ah_107的博客
09-11 981
对于检测模型，我们不能用简单的准确率、精度等概念评价。这里介绍FDDB提供的一套检测的评价方法（ROC），流程主要如下： 1.下载FDDB数据库 http://tamaraberg.com/faceDataset/originalPics.tar.gz 解压后得到多个目录下的图片 2.下载对应图片的标注信息 http://vis-www.cs.umass.edu/fddb/FDDB-fold...
android opencv NDK人脸识别和对比
最新发布
2401_84149339的博客
04-14 705
上面这些公司都是时下最受欢迎的互联网大厂，他们的职级、薪资、福利也都讲的差不多了，相信大家都是有梦想和野心的人，心里多少应该都有些想法。也相信很多人也都在为即将到来的金九银十做准备，也有不少人的目标都是这些公司。我这边有不少朋友都在这些厂工作，其中也有很多人担任过面试官，上面的资料也差不多都是从朋友那边打探来的。除了上面的信息，我这边还有这些大厂近年来的面试真题及解析，以及一些朋友出于兴趣和热爱一起整理的Android时下热门知识点的学习资料。
Paddle单阶段口罩检测
迷若烟雨的专栏
11-21 2125
Paddle官方有一个口罩检测的示例，但是其是两阶段的，首先要检测出人脸，再将裁剪下来的人脸进行二分类. facemask曾基于YOLO V2实现过单阶段口罩检测，但是速度在移动端不是很快，仅能用于服务端部署，且由于样本缺乏，实测精度也不是很高. FaceMaskDetection 实测速度非常快，在CPU上就能实时，而且开源了网络结构，还能进一步压缩耗时，其提供了caffe、pytorch、tensorflow、onnx和mxnet等近乎全平台的支持，美中不足的是唯独缺了paddle
口罩检测识别率惊人，这个Python项目开源了
喜欢打酱油的老鸟
03-09 7940
2020-03-08 17:55:47 作者 | 一颗小树x，CSDN 博主 编辑 | 唐小引 来源 | CSDN 博客 昨天在 GitHub 上看到一个有趣的开源项目，它能检测我们是否有戴口罩，跑起程序测试后，发现识别率挺高的，也适应不同环境，于是分享给大家。 首先感谢 AIZOOTech 的开源项目 —— FaceMaskDetection，以下为该项目的 GitHub 地址： ...
caffe检测图片是否包含人脸_caffe_实战之两个简单的例子（物体分类和人脸检测）...
weixin_42372510的博客
01-17 170
import caffe%matplotlib inlineimport numpy as npimport matplotlib.pyplot as pltimport matplotlib.cbook as cbook#import Imageimport sysimport osfrom math import powfrom PIL import Image, ImageDraw, Im...
opencv dnn模块调用caffe模型
07-15
利用opencv dnn模块调用caffe 模型，并给出一个训练好的模型（cifar10集合上的image classification模型），cmakelists.txt要设置CMAKE_MODULE_PATH指向opencv#3.3.1的头文件和库的路径
课程设计：使用OpenCV-DNN模块进行YOLOv4目标检测
07-03
OpenCV的DNN模块是为了解决计算机视觉中的深度学习问题而设计的，它允许加载和执行预先训练好的深度学习模型，如TensorFlow、Caffe、ONNX等框架的模型。使用DNN模块，开发者可以轻松地将这些模型集成到他们的应用中...
OpenCV-dnn-samples:如何使用OpenCVdnn包在不同模型上进行推理
05-13
在这里，您可以找到3个不同的示例（Tensorflow，Caffe和Torch），以了解如何使用OpenCV中的dnn软件包。 这个想法是要了解如何使用该程序包对任何经过训练的模型进行推断。 对于使用的每个模型，您需要了解其输出值...
opencv基础课程人脸识别dnn模型
03-16
总之，这个"opencv基础课程人脸识别dnn模型"会教授如何使用OpenCV的DNN模块结合深度学习模型进行实时人脸检测和识别。学习者将接触到深度神经网络的基础知识，了解如何加载和应用预训练模型，并掌握在实际应用中整合...
opencv Dnn模块调用Caffe
01-27
在本示例中，我们将专注于如何使用OpenCV的DNN模块来调用Caffe框架的模型。 Caffe是一种流行且高效的深度学习框架，由Berkeley Vision and Learning Center（BVLC）开发，特别适合计算机视觉任务。它提供了简洁的...
TensorFlow + Opencv 实现简单的图像识别
03-29
TensorFlow + Opencv 实现简单的图像识别。 使用TensorFlow搭建简单的BP神经网络的模型，一层输入层，一层隐藏，一层输出，最终实现简单的图像识别。 机器学习
opencv中的dnn模块
12-28
opencv中的dnn模块，有detection案例，以及pb文件到pbtxt的转换代码
利用caffe和mxnet 打开摄像头，进行人脸检测
weixin_38740463的博客
10-09 739
# -*- coding:utf-8 -*- import random import mxnet as mx import numpy as np from sklearn import preprocessing import base64 import cv2 import time from easydict import EasyDict as edict import os impo...
机器学习-caffe实现人脸检测-11
lidashent的博客
11-27 2237
文章目录前言开始实现人脸检测1·数据格式1·1制作人脸图片1·2制作标签 前言 目标：给出图片，用框框住人脸部分 开始实现人脸检测 1·数据格式 1·1制作人脸图片 已经分好类存储的人脸和非人脸图片 标签格式 aaa.jpg x1,y1 x2,y2 后两者坐标代表了一个标注的人脸框，需要机器学习其中的特点 我们需要自己准备数据吗？ 如果是我们自己的项目当然如此，如果是学习，其实我们想做的前人已经努力过了，可以直接使用他们标注好的数据集 1，benchmark是行业基准，（数据库，论文，源码，基准，结
OpenCV dnn模块支持Caffe
BBZZ2的专栏
09-14 3136
#include #include #include using namespace cv; using namespace cv::dnn; #include #include #include using namespace std; /* Find best class for the blob (i. e. class with maximal probabi
记一次用Android Studio调试tensorflow提供的android端实时检测demo过程
hunterhe的博客
07-01 1213
平台介绍 win10 64位 Android Studio 3.4.1 手机 mi8 过程 本来是想测试TensorFlow在Android平台的demo： https://www.jianshu.com/p/99ff23a164ed （这篇文章写得详细，为了防止原链接失效，我把具体过程copy过来放在文末，侵删） **有一个细节：并不需要自己新建任何项目，直接打开tensorflow提供的and...
C++调用tensorflow训练好的SSD物体检测模型-opencv3.4.3
热门推荐
qq_29462849的博客
12-26 1万+
本博文参考：https://blog.csdn.net/guyuealian/article/details/80570120 介绍 opencv真的是一个很强大的库，当深度学习开始逐渐成熟后，opencv也迅速把相对应的模块加入到其开源库中，现在opencv已经可以支持tensorflow、caffe和torch三种框架训练出来的模型。本篇博文主要介绍opencv调用训练好的tensorflow...
如何使用opencv的dnn模块
03-31
使用OpenCV的dnn模块，需要以下步骤： 1. 下载模型文件：dnn模块支持多种深度学习框架的模型文件，如Caffe、TensorFlow、Darknet等。需要先下载对应的模型文件和权重文件。 2. 加载模型：使用cv2.dnn.readNetFrom*()函数加载模型文件和权重文件，生成模型对象。 3. 预处理图像：将需要进行预测的图像进行预处理，如缩放、归一化等操作。 4. 进行预测：使用模型对象的forward()函数进行预测，得到预测结果。 5. 后处理结果：对预测结果进行解析和后处理，如获取预测类别、置信度等信息。 示例代码如下： ```python import cv2 # 下载模型文件 model_file = 'model.prototxt' weight_file = 'model.caffemodel' # 加载模型 net = cv2.dnn.readNetFromCaffe(model_file, weight_file) # 加载图像并进行预处理 image = cv2.imread('image.jpg') blob = cv2.dnn.blobFromImage(image, scalefactor=1.0/255, size=(224, 224), mean=(0, 0, 0), swapRB=True, crop=False) # 进行预测 net.setInput(blob) output = net.forward() # 解析预测结果 classes = ['cat', 'dog', 'bird'] class_id = output.argmax() class_name = classes[class_id] confidence = output[0, class_id] # 显示预测结果 cv2.putText(image, f'{class_name}: {confidence:.2f}', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) cv2.imshow('image', image) cv2.waitKey() cv2.destroyAllWindows() ``` 以上代码使用Caffe模型进行图像分类预测，预测结果为类别名称和置信度。其他深度学习框架的模型使用类似，只需要更改模型文件和权重文件的加载方式。

“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 2
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

打赏作者

liming10101010

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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