今天开始主要整理OpenCV中dnn模块的使用，包括各种神经网络模型的加载、调用，输入输出数据的组织等等内容。而今天要记录的是OpenCV中一个自带神经网络模型——googlenet模型的使用，这个模型是由caffe框架训练出来、主要针对多种野生动物的识别。下面开始通过代码逐步整理在OpenCV中对该模型进行调用，并对图像进行识别分类的流程。

首先我们需要加载googlenet模型的模型文件（.caffemodel）、配置文件（.prototxt），使用readNet（）这个API来实现模型的加载。注意的是，在OpenCV中既可以通过readNet（）对所有支持的神经网络模型进行加载，也可以使用针对某一种网络框架训练出的模型进行加载，都有相应的API可以调用，这些后续再整理。在这里我们使用readNet（），其参数含义如下：
（1）参数model：加载已训练模型的路径，不同模型对应不同后缀：
*.caffemodel ——Caffe
*.pb——TensorFlow
*.t7 or *.net——Torch
*.weights——Darknet
*.bin——DLDT
（2）参数config：已训练模型的描述文件：
*.prototxt ——Caffe
*.pbtxt ——TensorFlow
Torch中没有config文件
*.cfg ——Darknet
*.xml ——DLDT
（3）参数framework：声明加载的模型是由哪个框架训练出来的，也可以不加，函数会根据读取模型的格式来自己判断。
代码演示如下：

	string caffe_model_path = "D:\\opencv_c++\\opencv_tutorial\\data\\models\\googlenet(animal)\\bvlc_googlenet.caffemodel";
	string caffe_config = "D:\\opencv_c++\\opencv_tutorial\\data\\models\\googlenet(animal)\\bvlc_googlenet.prototxt";
	string labels = "D:\\opencv_c++\\opencv_tutorial\\data\\models\\googlenet(animal)\\classification_classes_ILSVRC2012.txt";
	Net caffe_net = readNet(caffe_model_path, caffe_config);

然后我们获取这个模型的相关信息，例如每一层神经层的类型、名称等等，当然这一步实际上可以忽略，这里只是作为演示。代码演示如下：

	vector<string> caffe_layer_name = caffe_net.getLayerNames();		//获取模型每层的名称
	for (int i = 0; i < caffe_layer_name.size(); i++)
	{
    
		int caffe_layer_id = caffe_net.getLayerId(caffe_layer_name[i]);		//根据每层的名称来获取每层的id
		Ptr<dnn::Layer> caffe_layer = caffe_net.getLayer(caffe_layer_id);			//根据id去索引到每一层
		//获取每一层的类型、名称
		string layer_type = caffe_layer->type;
		string layer_name = caffe_layer->name;
		cout << caffe_layer_id << "     layer_type:  " << layer_type << "; layer_name: " << layer_name << endl;
	}

然后我们需要读取该模型的标签集，并进行一定处理，以便后续分类ID的索引。

	//读取分类标签集
	ifstream fp(labels);
	vector<string>class_labels;
	if (!fp.is_open())
	{
    
		cout << "labels file can't open" << endl;
		exit(-1);
	}
	while (!fp.eof())				//如果指针不位于文件末尾，就继续读取文件
	{
    
		string class_name;
		getline(fp, class_name);			//读取文件中的每一行数据
		if (0 != class_name.length())				//如果不是空行，就将这一行的数据保存起来
		{
    
			class_labels.push_back(class_name);
		}
	}
	fp.close();

接下来我们读取图像

	Mat test_image = imread("D:\\opencv_c++\\opencv_tutorial\\data\\images\\tem.jpg");
	resize(test_image, test_image, Size(700, 700));
	imshow("test_image", test_image);
	Mat inputBlob = blobFromImage(test_image, 1.0, Size(224, 224), Scalar(104, 117, 123), true, false, 5);

注意无法直接将图像作为神经网络的输入，我们需要将图像转换为4维的blob才能作为输入。通过blobFromImage()进行转换，其参数含义如下：

（1）image：输入图像（具有1、3或4通道）
（2）size：输出图像的空间大小
（3）mean：从通道中减去平均值的标量，如果参数image具有BGR顺序且参数swapRB为true ，则值应按（平均值R，平均值G，平均值B）顺序排列。该值由模型训练时所确定，需要通过查询模型资料得知。
（4）scalefactor：对参数image的缩放比例
（5）swapRB： 表示是否交换3通道图像中的第一个和最后一个通道的标志
（6）crop：表示是否在调整大小后裁剪图像
（7）ddepth：输出blob的深度，选择CV_32F或CV_8U。

经过处理后将blob输入给神经网络，再进行前向传播得到预测结果，也就是分类结果。

	caffe_net.setPreferableBackend(DNN_BACKEND_INFERENCE_ENGINE);
	caffe_net.setPreferableTarget(DNN_TARGET_CPU);
	caffe_net.setInput(inputBlob);
	Mat prob = caffe_net.forward();

这里的前两句代码是设置神经网络运算的计算后台和目标设备，DNN_BACKEND_INFERENCE_ENGINE需要搭配openVINO使用，如果没有的话就设置DNN_BACKEND_OPENCV，否则会报错。

前向传播得到的结果是一个1行、1000列、单通道的矩阵，其中每一列的值就是每一个分类的置信度，由于总共是1000个分类，所以有1000列。我们需要找到其中置信度最大的像素坐标，那么该坐标的x值对应的就是在标签集中分类的ID，通过这个ID去索引到预测的分类。代码演示如下：

	prob = prob.reshape(1, 1);
	double maxval;
	Point maxloc;
	minMaxLoc(prob, NULL, &maxval, NULL, &maxloc);
	int classID = maxloc.x;
	string className = class_labels[classID];
	putText(test_image, className, Point(20, 20),FONT_HERSHEY_SIMPLEX,1, Scalar(0, 255, 0), 2);
	cout << "运行时间:  " << run_time << endl;
	imshow("test_image", test_image);

下面是运行效果：
该模型每一层的类型和名称


识别效果

总的来说，我们需要学习了解的是在OpenCV中如何去调用这些预训练好的模型，主要是输入输出数据的组织和转换，今天使用的googlenet模型的数据组织其实是比较简单的，其识别效果也不做评价了，因为在它标签集分类中可以看出大部分都是野生动物。。。

今天的笔记就到这吧~

PS：本人的注释比较杂，既有自己的心得体会也有网上查阅资料时摘抄下的知识内容，所以如有雷同，纯属我向前辈学习的致敬，如果有前辈觉得我的笔记内容侵犯了您的知识产权，请和我联系，我会将涉及到的博文内容删除，谢谢！