OpenCV自帶dnn的Example研究（3）— object_detection

這個博客系列，簡單來說，今天我們就是要研究

https://docs.opencv.org/master/examples.html下的

6個文件，看看在最新的OpenCV中，它們是如何發揮作用的。

在配置使用的過程中，需要注意使用較高版本的VS避免編譯器兼容問題；由于DNN程序的運行依賴于訓練成功的模型，因此需要預先下載準備；此外如果出現各種報錯，需要對癥下藥。

此外，由于需要使用common.hpp文件，所以需要引入dnn目錄到include中

用到的數據集都放在：

鏈接：https://pan.baidu.com/s/1WPoXU3VodErPHZo6Yc21xA?

提取碼：01no?

如果你沒找到，那一定是我忘了。

=====================================================================================友善的分割線============================

注意，這個例子有官方教程：https://docs.opencv.org/master/da/d9d/tutorial_dnn_yolo.html

教程給出了調用方法：

Usage examples

Execute in webcam:

$ example_dnn_object_detection --config=[PATH-TO-DARKNET]/cfg/yolo.cfg --model=[PATH-TO-DARKNET]/yolo.weights --classes=object_detection_classes_pascal_voc.txt --width=416 --height=416 --scale=0.00392 --rgb

Execute with image or video file:

$ example_dnn_object_detection --config=[PATH-TO-DARKNET]/cfg/yolo.cfg --model=[PATH-TO-DARKNET]/yolo.weights --classes=object_detection_classes_pascal_voc.txt --width=416 --height=416 --scale=0.00392 --input=[PATH-TO-IMAGE-OR-VIDEO-FILE] --rgb

參考這個 方法，修改我們的調用參數


--config=e:/template/yolov3.cfg --model=e:/template/yolov3.weights --classes=e:/template/object_detection_classes_pascal_voc.txt --width=416 --height=416 --scale=0.00392 --input=e:/template/bike.avi --rgb
?

?

所以我們需要先準備的是yolo.weights 和 yolo.cfg,

wget https://pjreddie.com/media/files/yolov3.weights
wget https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg?raw=true -O ./yolov3.cfg
wget https://github.com/pjreddie/darknet/blob/master/data/coco.names?raw=true -O ./coco.names

對象識別是CV和DL的經典問題，看看OpenCV自己提供了什么。

本來我使用的是OpenCV4，但是例子代碼使用的是最新從網上下載的，開頭直接給報了個錯

根據我多年程序設計的經驗（其實是瞎猜），我認為是不是我的OpenCV版本低了，感覺更新到最新版本（這里注意一下，對于vs2015和2017，opencv提供了prebuild版本，比如叫opencv-4.1.0-vc14_vc15.exe這樣的名字，可以從官網直接下載）

注意prebuild是64位的，需要注意選擇。然后就可以了，當然由于參數問題，仍然是需要進行修改的。（果然猜對了）

因為已經出現了能夠正確運行的命令行，所以這里直接修改即可。

將汽車識別成bird肯定是錯誤的，但是object detection和class的區別在于跟蹤，從顯示的結果上來看，就是畫框。

這個地方，就體現出了OpenCV DNN的黑盒特性，就是模型訓練中的東西，可能是效果非常好的，也可能是效果不好的。

對這塊的調節，不是OpenCV的工作，而是深度學習系統的工作—不管它是用什么訓練出來的，我們都希望OpenCV能夠提供一個接入現有系統的接口。

在深度學習這里，這才是OpenCV的價值。

參考資料：

https://blog.csdn.net/haoqimao_hard/article/details/82081285

來自為知筆記(Wiz)

附件列表

?