加载 Caffe 框架模型

目录

• 简介
• 源代码
• 解释

下一个教程： 如何启用 Halide 后端以提高效率

原始作者	Vitaliy Lyudvichenko
兼容性	OpenCV >= 3.3

简介

在本教程中，您将学习如何使用 opencv_dnn 模块，通过使用来自 Caffe 模型库 的经过训练的 GoogLeNet 网络进行图像分类。

我们将演示此示例在以下图片上的结果。

源代码

我们将使用示例应用程序中的代码片段，可以从 这里 下载。

#include <fstream>
#include <sstream>
#include <iostream>
 
#include <opencv2/dnn.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
 
#include "common.hpp"
 
std::string keys =
    "{ help h | | 打印帮助信息。 }"
    "{ @alias | | 要从 models.yml 文件中提取预处理参数的模型别名。 }"
    "{ zoo | models.yml | 预处理参数文件的可选路径 }"
    "{ input i | | 输入图像或视频文件的路径。跳过此参数以从摄像头捕获帧。 }"
    "{ initial_width | 0 | 通过初始调整大小到特定宽度来预处理输入图像。 }"
    "{ initial_height | 0 | 通过初始调整大小到特定高度来预处理输入图像。 }"
    "{ std | 0.0 0.0 0.0 | 通过除以标准差来预处理输入图像。 }"
    "{ crop | false | 通过中心裁剪来预处理输入图像。 }"
    "{ framework f | | 模型的原始框架的可选名称。如果未设置，则自动检测。 }"
    "{ needSoftmax | false | 使用 Softmax 来对网络的输出进行后处理。 }"
    "{ classes | | 类别名称的文本文件的可选路径。 }"
    "{ backend | 0 | 选择其中一种计算后端： "
                            "0: 自动（默认）， "
                            "1: Halide 语言 (http://halide-lang.org/), "
                            "2: 英特尔的深度学习推理引擎 (https://software.intel.com/openvino-toolkit), "
                            "3: OpenCV 实现， "
                            "4: VKCOM， "
                            "5: CUDA， "
                            "6: WebNN }"
    "{ target | 0 | 选择其中一个目标计算设备： "
                            "0: CPU 目标（默认）， "
                            "1: OpenCL， "
                            "2: OpenCL fp16 （半精度浮点数）， "
                            "3: VPU， "
                            "4: Vulkan， "
                            "6: CUDA， "
                            "7: CUDA fp16 （半精度浮点数预处理） }";
 
using namespace cv;
using namespace dnn;
 
std::vector<std::string> classes;
 
int main(int argc, char** argv)
{
    CommandLineParser parser(argc, argv, keys);
 
    const std::string modelName = parser.get<String>("@alias");
    const std::string zooFile = parser.get<String>("zoo");
 
keys += genPreprocArguments(modelName, zooFile);
 
parser = CommandLineParser(argc, argv, keys);
parser.about("使用此脚本使用 OpenCV 运行分类深度学习网络。");
    if (argc == 1 || parser.has("help"))
    {
parser.printMessage();
        return 0; 0;
    }
 
    int rszWidth = parser.get<int>("initial_width");
    int rszHeight = parser.get<int>("initial_height");
    float scale = parser.get<float>("scale");
    Scalar mean = parser.get<Scalar>("mean");
    Scalar std = parser.get<Scalar>("std");
    bool swapRB = parser.get<bool>("rgb");
    bool crop = parser.get<bool>("crop");
    int inpWidth = parser.get<int>("width");
    int inpHeight = parser.get<int>("height");
    String model = findFile(parser.get<String>("model"));
    String config = findFile(parser.get<String>("config"));
    String framework = parser.get<String>("framework");
    int backendId = parser.get<int>("backend");
    int targetId = parser.get<int>("target");
    bool needSoftmax = parser.get<bool>("needSoftmax");
std::cout<<"mean: "<<mean<<std::endl;
std::cout<<"std: "<<std<<std::endl;
 
    // 打开包含类别名称的文件。
    if (parser.has("classes"))
    {
std::string file = parser.get<String>("classes");
std::ifstream ifs(file.c_str());
        if (!ifs.is_open())
            CV_Error(Error::StsError, "文件 " + file + " 未找到");
std::string line;
        while (std::getline(ifs, line))
        {
classes.push_back(line);
        }
    }
 
    if (!parser.check())
    {
parser.printErrors();
        return 0; 1;
    }
    CV_Assert(!model.empty());
 
Net net = readNet(model, config, framework);
net.setPreferableBackend(backendId);
net.setPreferableTarget(targetId);
 
    // 创建一个窗口
    static const std::string kWinName = "OpenCV 中的深度学习图像分类";
    namedWindow(kWinName, WINDOW_NORMAL);
 
    VideoCapture cap;
    if (parser.has("input"))
cap.open(parser.get<String>("input"));
    else
cap.open(0);
 
    // 处理帧。
    Mat frame, blob;
    while (waitKey(1) < 0)
    {
cap >> frame;
        if (frame.empty())
        {
            waitKey(0);();
            break;;
        }
 
        if (rszWidth != 0 && rszHeight != 0)
        {
            resize(frame, frame, Size(rszWidth, rszHeight));
        }
 
        blobFromImage(frame, blob, scale, Size(inpWidth, inpHeight), mean, swapRB, crop);
 
        // 检查 std 值。
        if (std.val[0] != 0.0 && std.val[1] != 0.0 && std.val[2] != 0.0)
        {
            // 将 blob 除以 std。
            divide(blob, std, blob);
        }
 
net.setInput(blob);
        // double t_sum = 0.0;
        // double t;
        int classId;
        double confidence;
        cv::TickMeter timeRecorder;
timeRecorder.reset();
        Mat prob = net.forward();
        double t1;
timeRecorder.start();
prob = net.forward();
timeRecorder.stop();
t1 = timeRecorder.getTimeMilli();
 
timeRecorder.reset();
        for(int i = 0; i < 200; i++) {
timeRecorder.start();
prob = net.forward();
timeRecorder.stop();
 
            Point classIdPoint;
            minMaxLoc(prob.reshape(1, 1), 0, &confidence, 0, &classIdPoint);
classId = classIdPoint.x;
 
            // 添加效率信息。
            // std::vector<double> layersTimes;
            // double freq = getTickFrequency() / 1000;
            // t = net.getPerfProfile(layersTimes) / freq;
            // t_sum += t;
        }
        if (needSoftmax == true)
        {
            float maxProb = 0.0;
            float sum = 0.0;
            Mat softmaxProb;
 
maxProb = *std::max_element(prob.begin<float>(), prob.end<float>());
            cv::exp(prob-maxProb, softmaxProb);
            sum = (float)cv::sum(softmaxProb)[0];
softmaxProb /= sum;
            Point classIdPoint;
            minMaxLoc(softmaxProb.reshape(1, 1), 0, &confidence, 0, &classIdPoint);
classId = classIdPoint.x;
        }
std::string label = format("1轮推理时间：%.2f ms", t1);
std::string label2 = format("200轮平均时间：%.2f ms", timeRecorder.getTimeMilli()/200);
        putText(frame, label, Point(0, 15), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0));
        putText(frame, label2, Point(0, 35), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0));
 
        // 打印预测类别。
label = format("%s: %.4f", (classes.empty() ? format("类别 #%d", classId).c_str()
classes[classId].c_str()),
confidence);
        putText(frame, label, Point(0, 55), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0));
 
        imshow(kWinName, frame);
    }
    return 0; 0;
}

说明

1. 首先，下载 GoogLeNet 模型文件：bvlc_googlenet.prototxt 和 bvlc_googlenet.caffemodel

   您还需要包含 ILSVRC2012 类别名称的文件：classification_classes_ILSVRC2012.txt。

   将这些文件放到此程序示例的工作目录中。

2. 使用 .prototxt 和 .caffemodel 文件路径读取和初始化网络

   Net net = readNet(model, config, framework);
   net.setPreferableBackend(backendId);
   net.setPreferableTarget(targetId);

   如果您跳过参数 framework，则文件 model 或 config 之一必须具有扩展名 .caffemodel 或 .prototxt。这样，函数 cv::dnn::readNet 可以自动检测模型的格式。

3. 读取输入图像并将其转换为 GoogleNet 可接受的 blob

       VideoCapture cap;
       if (parser.has("input"))
   cap.open(parser.get<String>("input"));
       else
   cap.open(0);

   cv::VideoCapture 可以加载图像和视频。

   blobFromImage(frame, blob, scale, Size(inpWidth, inpHeight), mean, swapRB, crop);
    
           // 检查 std 值。
           if (std.val[0] != 0.0 && std.val[1] != 0.0 && std.val[2] != 0.0)
           {
               // 将 blob 除以 std。
   divide(blob, std, blob);
           }

   在应用必要的预处理（如调整大小和均值减法 (-104, -117, -123)）后，我们将图像转换为具有 1x3x224x224 形状的四维 blob（称为批处理），分别针对蓝色、绿色和红色通道使用 cv::dnn::blobFromImage 函数。

4. 将 blob 传递到网络

   net.setInput(blob);

5. 进行前向传递

           // double t_sum = 0.0;
           // double t;
           int classId;
           double confidence;
           cv::TickMeter timeRecorder;
   timeRecorder.reset();
           Mat prob = net.forward();
           double t1;
   timeRecorder.start();
   prob = net.forward();
   timeRecorder.stop();
   t1 = timeRecorder.getTimeMilli();
    
   timeRecorder.reset();
           for(int i = 0; i < 200; i++) {

   在前向传递期间，计算每个网络层的输出，但在本例中，我们只需要最后一层的输出。
6. 确定最佳类别

               Point classIdPoint;
   minMaxLoc(prob.reshape(1, 1), 0, &confidence, 0, &classIdPoint);
   classId = classIdPoint.x;

   我们将网络的输出（包含 1000 个 ILSVRC2012 图像类别的概率）放入 prob blob。并找到此 blob 中具有最大值的元素的索引。此索引对应于图像的类别。
7. 从命令行运行示例

   ./example_dnn_classification --model=bvlc_googlenet.caffemodel --config=bvlc_googlenet.prototxt --width=224 --height=224 --classes=classification_classes_ILSVRC2012.txt --input=space_shuttle.jpg --mean="104 117 123"

   对于我们的图像，我们获得了 航天飞机 类别的预测，置信度超过 99%。