OpenCV多图像检测

Question

我正在尝试构建一个简单的图像检测算法，在该算法中可以对不同的对象进行分类，例如塑料杯、瓶子、手机等。使用openCV和python实现这一点的最佳方法是什么？谢谢

Answer 1

如果你正在寻找一个算法或模型，可以检测到各种对象，即分类给定的图像，你必须在Conv Nets（CNN）查找。在

CNN是一种深度学习模型，可以根据您想要检测的图像类别进行训练。随后，不同的图像可以提供给训练过的CNN，以获得预测结果。在

如果你对这些东西感兴趣，我建议你看看this的博客文章。在

你可以尝试做一些模式匹配的图像，但准确性将大大降低，如果有严重的变化。在

Answer 2

据我所知，你不能在OpenCV上训练/建立自己的网络。您可以使用OpenCV加载预先训练的模型并对一组图像执行检测。在

为了创建一个新模型，您可以使用caffe、torch或tensorflow框架，并在OpenCV中使用它来执行检测。在

要执行检测，您需要执行以下操作：

• 首先，确保已经用contrib模块编译了OpenCV。如果您不简单地在您的终端上输入以下内容：pip install opencv-contrib-python。在
• 首先确保您有cv2.dnn。如果不这样做，则需要更新OpenCV的版本。在
• 现在您可以从以下框架中选择模型caffe、tensorflow、darkNet和torch：
  • readNetFromCaffe
  • readNetFromDarknet
  • readNetFromTensorflow
  • readNetFromTorch
• 选择框架后，选择一个预先训练的模型。您可以从HERE获得预先训练的caffe模型，从HERE获得张量流模型。在github上好好搜索一下，你会发现更多的模型。在

在阅读了this blogpost by Adrian之后，我遇到了dnn模块。在

为了重新迭代，您可以在OpenCV上使用预先训练的模型执行检测，但不能创建新的模型。在

如何运行预先培训的模型？

1. caffe：model= cv2.dnn.readNetFromCaffe(ResNet.prototxt.txt, ResNet.caffemodel)，其中prototxt.txt文件包含体系结构，另一个文件包含模型权重。

2. tensorflow：model = cv2.dnn.readNetFromCaffe(ResNet.pb, ResNet.pbtxt)，其中.pb文件包含network架构，.pbtxt包含模型权重。

有关详细信息，请参阅链接。在