深度神经网络与脉冲神经网络_深度神经网络模型及应用

“ 此篇介绍如何使用C++加载OpenCV DNN模块库来调用深度神经网络模型以及一些应用”

目前，深度神经网络广泛应用于用于图像处理的各个领域，OpenCV4丰富了DNN模块，增加了与深度神经网络相关的函数及比较前沿的算法，以下就此展开描述：

>注意：此篇不对如何训练出深度神经网络模型做出概述！后续会单独出文说明。

以下，围绕对深度神经网络模型的应用。

软硬件环境：

---

• Ubuntu20.04

• OpenCV4.5.1

• Cmake3.18.5

01

—

加载深度神经网络模型

1、函数说明

读取深度学习模型函数：

---

Net cv::dnn::readNet(const String & model,const String & config="",const String & framework="")

model：模型文件名；

config：配置文件名；

framework：框架种类；

框架种类	模型文件格式	配置文件格式
Caffe	*.caffemodel	*.prototxt
TensorFlow	*.pb	*.pbtxt
Torch	*.t7  |   *.net	--
Darknet	*.weights	*.cfg
DLDT	*.bin	*.xml

深度学习模型参数：

---

empty()：判断模型是否为空，不需要输入参数，模型为空返回true,否则false；

getLayerNames()：得到每层网络的名称，不需要输入参数，返回值为vector类型变量；

getLayerId()：得到每层网络的ID，输入参数为网络名称，返回值为int类型变量；

getLayer()：得到指向指定ID或名称的网络层的指针，输入参数为网络层ID，返回值为Ptr类型变量；

forward()：执行前向传输，输入参数为需要输出的网络层的名称，返回值为Mat类型数据；

setInput()：设置网络新的输入数据；

向网络层中添加数据：

void cv::dnn::Net::setInput(InputArray blob,const String & name="",double scalefactor=1.0,const Scalar & mean=Scalar())

blob：新的输入数据，类型为CV_32F或CV_8U；

name：输入网络层的名称；

scalefactor：可选的标准化比例；

mean：可选的减数数值；

2、编写代码

1、编写main.cpp：

#include #include using namespace cv;using namespace std;using namespace cv::dnn;int main(){
         string model="/home/zja/Downloads/bvlc_googlenet.caffemodel";    string config="/home/zja/Downloads/bvlc_googlenet.prototxt";    Net net=dnn::readNet(model,config);    if(net.empty())    {
             cout<<"请确认输入了模型文件"<<endl;        return -1;    }    //获取各层信息    vector layerNames=net.getLayerNames();    for(unsigned long i=0;i    {
             //读取每层网络的ID        int ID=net.getLayerId(layerNames[i]);        //读取每层网络信息        Ptr layer=net.getLayer(ID);        //输出网络信息        cout<<"网络层数："<"网络名称："&l