OpenCV3.3中的DNN模块实现实例

上篇博客中完成了OpenCV3.3的安装，这篇文章就来跑个实例测试一下

第一步：下载DNN模型

       链接: https://pan.baidu.com/s/1qYyVYnM 密码: ej3t

       下载完成以后解压，里面包含了示例程序、GoogLeNet模型和测试图片

第二步：打开Anaconda Navigator中的OpenCV终端

        如下图所示，红框中的路径是我存放下载模型的文件路径

在终端中输入如下命令（测试示例图片中的交通灯图片）：

python deep_learning_with_opencv.py --image images/traffic_light.png --prototxt bvlc_googlenet.prototxt --model bvlc_googlenet.caffemodel --labels synset_words.txt

如下图所示，可以看到排名第一的识别率是1

至此，测试完成。有兴趣的朋友也可以加载其它的图片测试下。

第三步：简单介绍一下本次测试所用的DNN模型-GoogLeNet

GoogLeNet，2014年ILSVRC挑战赛冠军，将Top5 的错误率降低到6.67%，拥有22层的深度网络。

原文：http://arxiv.org/pdf/1409.4842v1.pdf。

具体细节下面这几篇文章介绍的很详细，可以参考:

http://www.cnblogs.com/Allen-rg/p/5833919.html

http://blog.csdn.net/shuzfan/article/details/50738394