文件名称：OpenCV-dnn-samples:如何使用OpenCVdnn包在不同模型上进行推理
文件大小：72.88MB
文件格式：ZIP
更新时间：2024-06-01 22:06:54
opencv deep-learning dnn Python
OpenCV DNN示例 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的含义。 注意：此代码在Python3下运行 为什么这很酷？ 无需安装任何深度学习框架！ 仅使用OpenCV，您就可以从以下常见框架（Tensorflow，Caffe和Torch）推断出受过训练的图形。 如何使用？ 克隆仓库。 可选创建虚拟环境（例如，使用virtualenv ）以使依赖项保持隔离。 运行pip install -r requirements.txt 运行以下任何示例： 张量流 您可以基于在COCO数据集上训练的SSD + MobileNet运行对象检测模型。 $ python main_tensorflow
【文件预览】：
OpenCV-dnn-samples-master
----main_tensorflow.py(1KB)
----torch()
--------README.md(112B)
----tensorflow()
--------ssd_inception_v2_coco.pb(27.76MB)
--------ssd_inception_v2_coco.pbtxt(57KB)
----main_torch.py(811B)
----images()
--------vending_machine.png(348KB)
--------people.jpg(77KB)
--------traffic_light.png(306KB)
--------jemma.png(263KB)
--------eagle.png(317KB)
----imagenet_labels.py(33KB)
----requirements.txt(20B)
----README.md(2KB)
----main_caffe.py(923B)
----.gitignore(2KB)
----caffe()
--------bvlc_googlenet.caffemodel(51.05MB)
--------bvlc_googlenet.prototxt(35KB)
----coco_labels.py(3KB)