1.加载Caffe框架模型
在本教程中,您将学习如何使用opencv_dnn模块进行图像分类,通过使用GoogLeNet训练网络从Caffe模型动物园。
1.1.下载opencv_extra 项目
到opencv_extra/testdata/dnn目录下执行python download_models.py ,下载模型
./dong2 --model=/home/sugao/msavskit/extern/src/opencv_extra/testdata/dnn/bvlc_googlenet.caffemodel --config=/home/sugao/msavskit/extern/src/opencv_extra/testdata/dnn/bvlc_googlenet.prototxt --width=224 --height=224 --classes=dnn/classification_classes_ILSVRC2012.txt --input=/home/sugao/msavskit/extern/src/opencv_extra/testdata/dnn/space_shuttle.jpg --mean=“104 117 123”
2.如何使用Halide后端语言来提高效率
介绍
本教程指导如何使用Halide语言后端在OpenCV深度学习模块中运行您的模型。
Halide是一个开源的项目,它可以让我们以可读性强的格式编写图像处理算法,根据特定的设备安排计算,并以相当高的效率进行评估。
Halide项目的官方网站:http://halide-lang.org/。
最新的效率比较:https://github.com/opencv/opencv/wiki/DNN-Efficiency