Technologieaustausch

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Die Bildklassifizierung ist die einfachste und grundlegendste Kategorie von Computer-Vision-Aufgaben, die auf Deep Learning basieren. Die darin verwendete CNN-Merkmalsextraktionstechnologie ist auch die Grundlage für visuelle Aufgaben wie Zielerkennung und Zielsegmentierung.

Spezifisch für die Bildklassifizierungsaufgabe ist der spezifische Prozess wie folgt:
1. Geben Sie ein RGB-Bild der angegebenen Größe ein, 1/3 Kanal, Breite und Höhe sind im Allgemeinen gleich
2. Multiskalen-Merkmalsextraktion durch Faltungs-Neuronales Netzwerk zur Generierung hochdimensionaler Merkmalswerte
3. Verwenden Sie ein vollständig verbundenes Netzwerk oder eine andere Struktur, um hochdimensionale Merkmale zu klassifizieren und den Wahrscheinlichkeitswert jeder Zielklassifizierung auszugeben (die Summe der Wahrscheinlichkeiten beträgt 1).
4. Wählen Sie als Bildklassifizierungsergebnis denjenigen mit dem höchsten Wahrscheinlichkeitswert aus

opencv.dnn模块可以直接加载深度学习模型，并进行推理输出运行结果。下面是opencv.dnn模块加载googlenet caffe模型进行图片分类的代码。
import cv2
import numpy as np
from labels import LABEL_MAP # 1000 labels in imagenet dataset

if __name__=='__main__':

                    上一篇
                    下一篇