OpenCV3.3深度神经网络DNN模块 实例2：GoogleNet-Caffe模型实现图像分类

 1 #include <opencv2/opencv.hpp>
 2 #include <opencv2/dnn.hpp>
 3 #include <iostream>
 4 //使用Googlenet Caffe模型实现图像分类
 5 using namespace cv;
 6 using namespace cv::dnn;
 7 using namespace std;
 8  
 9 String model_bin_file = "D:/opencv3.3/opencv/sources/samples/data/dnn/bvlc_googlenet.caffemodel";//模型二进制文件
10 String model_txt_file = "D:/opencv3.3/opencv/sources/samples/data/dnn/bvlc_googlenet.prototxt";//模型文本（描述）文件
11 String labels_txt_file = "D:/opencv3.3/opencv/sources/samples/data/dnn/synset_words.txt";//标签文本文件
12 vector<String> readLabels();//读写文件方法
13 int main(int argc, char** argv) {
14     Mat src = imread("space_shuttle.jpg");
15     if (src.empty()) {
16         printf("could not load image...\n");
17         return -1;
18     }
19     namedWindow("input image", CV_WINDOW_AUTOSIZE);
20     imshow("input image", src);
21     vector<String> labels = readLabels();
22     //读取Caffe模型
23     Net net = readNetFromCaffe(model_txt_file, model_bin_file);
24     if (net.empty()) {//如果没读到模型
25         printf("read caffe model data failure...\n");
26         return -1;
27     }
28     //由bvlc_googlenet.prototxt知网络输入层大小为224*224
29     Mat inputBlob = blobFromImage(src, 1.0, Size(224, 224), Scalar(104, 117, 123));
30     Mat prob;
31     for (int i = 0; i < 10; i++) {
32         net.setInput(inputBlob, "data");//设置第一层数据层进行输入
33         prob = net.forward("prob");//设置最后一层进行结果输出
34     }
35     Mat probMat = prob.reshape(1, 1);//转换成一行多列的分类结果
36     Point classNumber;//最大可能性的分类号
37     double classProb;//最大可能性的概率值
38     minMaxLoc(probMat, NULL, &classProb, NULL, &classNumber);
39     int classidx = classNumber.x;
40     printf("\n current image classification : %s, possible : %.2f", labels.at(classidx).c_str(), classProb);
41     //图片上放置文本  红色显示
42     putText(src, labels.at(classidx), Point(20, 20), FONT_HERSHEY_SIMPLEX, 1.0, Scalar(0, 0, 255), 2, 8);
43     imshow("Image Classification", src);
44  
45     waitKey(0);
46     return 0;
47 }
48 vector<String> readLabels() {//读取标签文本文件
49     vector<String> classNames;
50     ifstream fp(labels_txt_file);//文件输入输出流
51     if (!fp.is_open()) {//如果文件未打开
52         printf("could not open the file");
53         exit(-1);
54     }
55     string name;
56     while (!fp.eof()) {//如果文件并未读取到结尾
57         getline(fp, name);//读取文件每一行
58         if (name.length()) {
59             classNames.push_back(name.substr(name.find(' ') + 1));//字符拆解与分割
60         }
61     }
62     fp.close();//关闭文件输入输出流
63     return classNames;//返回分类名
64 }