OpenCV-Python实战（19）——OpenCV与深度学习的碰撞

OpenCV-Python实战（19）——OpenCV与深度学习的碰撞0. 前言1. cv2.dnn.blobFromImage() 函数详解2. OpenCV DNN 人脸检测器3. OpenCV 图像分类3.1 使用 AlexNet 进行图像分类3.2 使用 GoogLeNet 进行图像分类3.3 使用 ResNet 进行图像分类3.4 使用 SqueezeNet 进行图像分类4. OpenCV 目标检测4.1 使用 MobileNet-SSD 进行目标检测4.2 使用 YOLO V3 进行目标检测小结系列链接0. 前言OpenCV中包含深度神经网络 (Deep Neural Networks, DNN) 模块，可以使用深度神经网络实现前向计算(推理阶段)，使用一些流行的深度学习框架进行预训练的网络(例如 Caffe、TensorFlow、Pytorch、Darknet 等)就可以轻松用在OpenCV项目中了。在《深度学习简介与入门示例》中，我们已经介绍了许多流行的深度学习网络架构。在本文中，我们将学习如何将这些架构应用于目标检测和图像分类。1. cv2.dnn.blobFromImage() 函数详解OpenCV中深度神经网络为了执行前向计算，其输入应该是一个blob，blob可以看作是经过预处理(包括缩放、裁剪、归一化、通道交换等)以馈送