setPreferableBackend和setPreferableTarget

最新推荐文章于 2023-06-21 16:31:59 发布
最新推荐文章于 2023-06-21 16:31:59 发布
阅读量4k 收藏 6
点赞数
分类专栏： 目标检测 C++ linux 文章标签： 深度学习 opencv 计算机视觉
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/weixin_43996161/article/details/113994433
版权

setPreferableBackend和setPreferableTarget

  1. 环境
    opencv4.4.0
  2. setPreferableBackend()函数原型
/**
 * @brief Ask network to use specific computation backend where it supported.
 * @param[in] backendId backend identifier.
 * @see Backend
 *
 * If OpenCV is compiled with Intel's Inference Engine library, DNN_BACKEND_DEFAULT
 * means DNN_BACKEND_INFERENCE_ENGINE. Otherwise it equals to DNN_BACKEND_OPENCV.
 */
CV_WRAP void setPreferableBackend(int backendId);
  1. setPreferableTarget()函数原型
/**
 * @brief Ask network to make computations on specific target device.
 * @param[in] targetId target identifier.
 * @see Target
 *
 * List of supported combinations backend / target:
 * |                        | DNN_BACKEND_OPENCV | DNN_BACKEND_INFERENCE_ENGINE | DNN_BACKEND_HALIDE |  DNN_BACKEND_CUDA |
 * |------------------------|--------------------|------------------------------|--------------------|-------------------|
 * | DNN_TARGET_CPU         |                  + |                            + |                  + |                   |
 * | DNN_TARGET_OPENCL      |
最低0.47元/天 解锁文章
小球球plus
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
C++ DNN Opencv3.4 实现人脸计数和人脸检测
sinat_28371057的博客
06-24 1289
前言 OpenCV 3.3正式发布后，对深度学习（dnn模块）提供了更好的支持，dnn模块目前支持Caffe、TensorFlow、Torch、PyTorch等深度学习框架。 另外，新版本中使用预训练深度学习模型的API同时兼容C++和Python，让系列操作变得非常简便 从硬盘加载模型； 对输入图像进行预处理； 将图像输入网络，获取输出的分类。 当然，我们不能、也不该用OpenCV训练深度学习模型，但这个新版本让我们能把用深度学习框架训练好了的模型拿来，高效地用在OpenCV之中。 在很久很久
【OpenCV进阶】DNN模型详细解读
欢迎时常光顾我的干货超市，热衷于AIoT！！
07-29 2679
API-blobFormImage reference:OpenCV中blobFromImage函数详细解释 作用：对输入图像进行归一化操作 函数参数如下 Mat cv::dnn::blobFromImage( InputArray image, double scalefactor = 1.0, const Size & size = Size(), const Scalar & mean = Scalar(), bool swapRB = false, bool crop
Opencv C++部署YOLOv3v4
m0_46749624的博客
01-10 2178
一.推理C++源码 0.源码链接 https://learnopencv.com/deep-learning-based-object-detection-using-yolov3-with-opencv-python-c/ 1.初始化参数 //初始化参数 float confThreshold = 0.5; // 置信度阈值 float nmsThreshold = 0.4; // 非极大值抑制阈值 int inpWidth = 416; //网络输入尺寸宽度 int inpHe
【yolov5s目标检测】opencv加载onnx模型在GPU上进行推理
cxyhjl的博客
06-20 3786
推理截图推理测试源码：main主程序：#include "yolo.h" #include <iostream> #include<opencv2//opencv.hpp> #include<math.h> using namespace std; using namespace cv; using namespace dnn; ...
opencv如何使用GPU的三种方法
weixin_42010722的博客
06-21 1万+
我在工作实验涉及到图像和视频处理时，通常使用opencv提供的库来做处理，虽然OpenCV是一个广泛使用的库，它提供了丰富的功能和工具。然而，有时候在处理大量图片或视频时，我们可能会面临速度受限的问题。opencv执行图像处理，就跟我们电脑一样，打游戏CPU是来加载处理数据的，显卡（GPU）是来渲染图像。下面由我助理来介绍如何本文的内容吧。
Opencv DNN人脸检测
weixin_44623637的博客
02-28 1851
前言 OpenCV 3.3正式发布后，对深度学习（dnn模块）提供了更好的支持，dnn模块目前支持Caffe、TensorFlow、Torch、PyTorch等深度学习框架。 另外，新版本中使用预训练深度学习模型的API同时兼容C++和Python，让系列操作变得非常简便 从硬盘加载模型； 对输入图像进行预处理； 将图像输入网络，获取输出的分类。 当然，我们不能、也不该用OpenCV训练深度学...
bool Yolov5::readModel(Net& net, string& netPath, bool isCuda = false) { try { net = readNet(netPath); #if CV_VERSION_MAJOR==4 &&CV_VERSION_MINOR==7&&CV_VERSION_REVISION==0 net.enableWinograd(false); //bug of opencv4.7.x in AVX only platform ,https://github.com/opencv/opencv/pull/23112 and https://github.com/opencv/opencv/issues/23080 //net.enableWinograd(true); //If your CPU supports AVX2, you can set it true to speed up #endif } catch (const std::exception&) { return false; } //cuda if (isCuda) { net.setPreferableBackend(cv::dnn::DNN_BACKEND_CUDA); net.setPreferableTarget(cv::dnn::DNN_TARGET_CUDA); } //cpu else { net.setPreferableBackend(cv::dnn::DNN_BACKEND_DEFAULT); net.setPreferableTarget(cv::dnn::DNN_TARGET_CPU); } return true; }解释一下这段代码的作用
最新发布
07-12
3. 如果`isCuda`为真，则将神经网络的后端设置为CUDA（通过调用`setPreferableBackend(cv::dnn::DNN_BACKEND_CUDA)`），目标设备设置为CUDA（通过调用`setPreferableTarget(cv::dnn::DNN_TARGET_CUDA)`）。...
c# 通过emgucv调用gpu推理yolov7和yolov7-tiny，darknet版本。
09-19
在本文中，我们将深入探讨如何使用C#编程语言结合EmguCV库来调用GPU进行Yolov7和Yolov7-tiny的物体检测。这两个模型是基于Darknet框架训练的，它们在实时物体检测任务中表现出色，尤其是Yolov7-tiny，它在保持相对较...
yolov7 darknet 80分类原始权重的C#调用，使用opencvsharp载入weight和cfg文件。
09-04
net.SetPreferableBackend(Dnn.Backend.Opencv); net.SetPreferableTarget(Dnn.Target.Cpu); net.LoadModel("path/to/yolov7.weights"); ``` 这里，`NetFromConfig`方法用于读取cfg文件，`LoadModel`方法用于加载...
2021.09.02更新说明 c++下使用opencv部署yolov5模型 （三）
热门推荐
qq_34124780的博客
05-07 2万+
此篇文章接上篇，从上篇中导出的onnx模型的部署，此篇默认已经配置好opencv的环境了，包括如果需要使用cuda加速的环境。opencv的cuda环境需要用cmake编译contrib包（此处也是个大坑），如果cuda没有安装好，opencv会默认切换cpu推理。 零、新建一个头文件yolo.h和yolo.cpp,在头文件中定义一个Yolo类。 //yolo.h #pragma once #include<iostream> #include<math.h> #includ
C# emgu dnn 调用语义分割模型
qq_20656181的博客
08-16 678
C# emgu dnn 调用语义分割模型
GoCv DNN 风格迁移
余衫马的博客
08-30 507
参考 gocv 下载模型 // downlaod.sh BASE_URL="http://cs.stanford.edu/people/jcjohns/fast-neural-style/models/" mkdir -p models/instance_norm cd models/instance_norm curl -O "$BASE_URL/instance_norm/candy.t7" curl -O "$BASE_URL/instance_norm/la_muse.t7" curl -O
Python+OpenCV 图像风格迁移(模仿名画)
weixin_34342992的博客
10-15 1653
现在很多人都喜欢拍照（自拍）。有限的滤镜和装饰玩多了也会腻，所以就有 APP 提供了 模仿名画风格 的功能，比如 prisma、versa 等，可以把你的照片变成 梵高、毕加索、蒙克 等大师的风格。 这种功能叫做“ 图像风格迁移 ”，几乎都是基于 CVPR 2015 的论文《 A Neural Algorithm of Artistic...
行人跟踪之身份识别（三）
qq_38284951的博客
04-14 806
前两篇写了人脸识别和yolo+deepsort 这篇就写下两个方法的结合，在保持一定帧率的前提下进行身份识别和跟踪： 代码直接在yolo+deepsort下的main.py 修改，先备份一个main.py 重命名为 main_track.py: import numpy as np import time from tracker import face_track from detector import Detector from lib_face import * import cv2 fro
使用opencv的dnn模块进行人脸检测
zhongqianli的专栏
01-22 4566
模型文件来自opencv/samples/dnn/face_detector caffe模型 若为caffe模型，则使用readNetFromCaffe，需要用到.prototxt格式的配置文件和.caffemodel格式的模型文件 dnn::Net net = readNetFromCaffe(modelConfiguration, modelBinary); tensorflow模型 若为t...
opencv调用darknet框架的分类模型
计算机视觉算法开发与落地
04-09 1227
直接先上代码： ///param img:输入图像 ///param WeightsPath:权重文件路径 ///param CfgPath:网络文件路径 int Classifier(Mat& img,string& WeightsPath,string& CfgPath) { cv::dnn::ClassificationModel ClassNet(Weight...
使用opencv的dnn模块调用tensorflow训练好的模型的方法和常见错误
u010674979的博客
10-29 1588
使用opencv的dnn模块调用tensorflow训练好的模型的方法和常见错误 初始化： //opencv dnn 初始化模型 model = cv::dnn::readNetFromTensorflow(modelPath); model.setPreferableBackend(cv::dnn::DNN_BACKEND_CUDA); model.setPreferableTarget(cv::dnn::DNN_TARGET_CUDA);//调用GPU //模型预测 cv::Mat inp
评论
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
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