OpenCV加载深度学习框架与模型

1.DNN模块

OPenCV自3.3版本开始，加入了对深度学习网络的支持，即DNN模块，它支持主流的深度学习框架生成与到处模型的加载。

模块简介

OpenCV的深度学习模块DNN，只提供预测的功能，不能使用DNN进行模型训练，但是它支持多种深度学习框架，比如说TensorFlow，Caffe,Torch和Darknet。

DNN的优点：

• 轻量级：DNN只实现模型预测，推理的功能，代码量和编译运行开销时间小于其他深度学习模型框架
• 使用方便：无需其他依赖第三方库，只需要下载好对应不同深度学习框架下已经训练好的模型，或者是模型的配置文件，模型参数
• 通用性：DNN支持网络结构涵盖多种计算机视觉应用，目标分类，目标检测和图像分割的类别

2.DNN模块常用函数方法

与常见的计算机视觉应用一样，再将数据加入到模型之前，需要对数据进行tranform

2.1 cv2.dnn.blobFromImage

blobFromImage(image, 
              scalefactor=None, 
              size=None, 
              mean=None, 
              swapRB=None, 
              crop=None, 
              ddepth=None):

• image：cv2.imread 读取的图片数据
• scalefactor：缩放像素值，如 [0, 255] - [0, 1]
• size：输出blob(图像)的尺寸，如 (netInWidth, netInHeight)
• mean：从各通道减均值. 如果输入 image 为 BGR 次序，且swapRB=True，则通道次序为 (mean-R, mean-G, mean-B).
• swapRB：交换 3 通道图片的第一个和最后一个通道，如 BGR - RGB
• crop：图像尺寸 resize 后是否裁剪. 如果crop=True，则，输入图片的尺寸调整resize后，一个边对应与 size 的一个维度，而另一个边的值大于等于 size 的另一个维度；然后从 resize 后的图片中心进行 crop. 如果crop=False，则无需 crop，只需保持图片的长宽比
• ddepth：输出 blob 的 Depth. 可选: CV_32F 或 CV_8U

import cv2
from cv2 import dnn
import numpy as np 
import matplotlib.pyplot as plt

img = cv2.imread("data/8.jpg")
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

inWidth = 256
inHeight = 256
outimg1 = cv2.dnn.blobFromImage(img,
                                scalefactor=1.0 / 255,
                                size=(inWidth, inHeight),
                                mean=(0, 0, 0),
                                swapRB=False,
                                crop=False)

outimg1 = np.transpose(outimg1[0], (1, 2, 0))

outimg2 = cv2.dnn.blobFromImage(img,
                                scalefactor=1.0 / 255,
                                size=(inWidth, inHeight),
                                mean=(0, 0, 0),
                                swapRB=False,
                                crop=True)

outimg2 = np.transpose(outimg2[0], (1, 2, 0))
imgs= [img,outimg1,outimg2]
fig=plt.figure(figsize=[10, 10])
titles = ['origin','nocrop','crop']
for i in range(3):
    ax=fig.add_subplot(1,3,i+1)
    ax.axis("off")
    plt.title(titles[i])
    ax.imshow(imgs[i])

还有一种批量的cv2.dnn.blobFromImages()，参数是一样的

2.3 cv2.dnn.NMSBoxes

根据给定的检测boxes和对应的scores进行NMS（非极大值抑制）处理。

NMS原理：我们在做目标检测类似应用时，目标检测算法会给图片上所有物体产生很多的候选框，但这些候选框可能有些会互相重叠，NMS作用就是只保留最优的框。我们目标检测每个框都会有一个置信度分数S。

NMS流程步骤：

1. 将所有候选框看成一个集合A，再创建一个存放最优框的集合B，初始化为空集
2. 对集合A，进行框排序，选出置信度分数最高的框m，将m加入到集合B中
3. 遍历剩下集合A，分别与框m计算交并比，如果高于某一个阈值（我们需要设定一个阈值），则认为此框与m重叠，将此框从集合A中去除
4. 重复第2，3步，直到集合A为空，集合B中的框就是我们所需的
   

NMSBoxes(bboxes, 
         scores, 
         score_threshold, 
         nms_threshold, 
         eta=None, 
         top_k=None)

• boxes：待处理的边界框 bounding boxes
• scores：对于于待处理边界框的 scores
• score_threshold：用于过滤 boxes 的 score 阈值
• nms_threshold：NMS 用到的阈值
• indices：NMS 处理后所保留的边界框的索引值
• eta：自适应阈值公式中的相关系数：
• top_k：如果 top_k>0，则保留最多 top_k 个边界框索引值

2.4 cv2.dnn.readNet

作用：加载深度学习网络及其模型参数
原型：

readNet(model, config=None, framework=None)

参数：

• model：训练的权重参数的模型二值文件，支持的格式有：caffemodel(Caffe)、pb(TensorFlow)、t7 或net(Torch)、weights(Darknet)、bin(DLDT)
• config：包含网络配置的文本文件，支持的格式有：.prototxt (Caffe)、pbtxt (TensorFlow)、cfg(Darknet)、.xml (DLDT).
• framework: 所支持格式的框架名 该函数自动检测训练模型所采用的深度框架，然后调用readNetFromCaffe、readNetFromTensorflow、readNetFromTorch 或readNetFromDarknet 中的某个函数完成深度学习网络模型及模型参数的加载。

对应于特定框架的API：

2.4.1 cv2.dnn.readNetFromCaffe

readNetFromCaffe(prototxt, caffeModel=None)

作用：加载采用Caffe的配置网络和训练的权重参数

2.4.2 cv2.dnn.readNetFromDarknet

readNetFromDarknet(cfgFile, darknetModel=None)

作用：加载采用Darknet的配置网络和训练的权重参数

2.4.3 cv2.dnn.readNetFromTensorflow

readNetFromTensorflow(model, config=None)

作用：加载采用Tensorflow 的配置网络和训练的权重参数

参数：

• model: .pb 文件
• config: .pbtxt 文件

2.4.4 cv2.dnn.readNetFromTorch

作用：加载采用 Torch 的配置网络和训练的权重参数
参数：model: 采用 torch.save()函数保存的文件

3.OpenCV使用预训练模型做应用

步骤：

1. 加载模型
2. 图像预处理
3. 模型推理

3.1 加载模型

目前主流的框架为pytorch

这里就只详细说明一下，加载pytorch和Darknet所用的配置文件吧

3.1.1 pytorch

在pytorch中有三种保存模型方式：

经常会看到后缀名为.pt, .pth, .pkl的pytorch模型文件，其实它们并不是在格式上有区别，只是后缀不同而已（仅此而已），在用torch.save()函数保存模型文件时，各人有不同的喜好，有些人喜欢用.pt后缀，有些人喜欢用.pth或.pkl.用相同的torch.save()语句保存出来的模型文件没有什么不同。

注意模型文件的格式

#1
torch.save(model,'model.pt')
#2
torch.save(model.state_dict(),'model.pt')

在cv2.dnn.readNetFromTorch，我们加载的是后者，即模型的参数。

3.1.2 Darknet

darknet框架是针对yolo模型的，以yolov3做coco目标检测模型为例。
Darknet模型有这样几个文件：

• yolov3.weights
• yolov3.cfg
• coco.names

DNN加载模型

model = cv2.dnn.readNetFromDarknet('yolov3.cfg','yolov3.weights')

3.1.3 python代码

# detect.py
 
import cv2
import numpy as np
import os
import time
 
 
def yolo_detect(pathIn='',
                pathOut=None,
                label_path='./cfg/coco.names',
                config_path='./cfg/yolov3.cfg',
                weights_path='./cfg/yolov3.weights',
                confidence_thre=0.5,
                nms_thre=0.3,
                jpg_quality=80):
    '''
    pathIn：原始图片的路径
    pathOut：结果图片的路径
    label_path：类别标签文件的路径
    config_path：模型配置文件的路径
    weights_path：模型权重文件的路径
    confidence_thre：0-1，置信度（概率/打分）阈值，即保留概率大于这个值的边界框，默认为0.5
    nms_thre：非极大值抑制的阈值，默认为0.3
    jpg_quality：设定输出图片的质量，范围为0到100，默认为80，越大质量越好
    '''
 
    # 加载类别标签文件
    LABELS = open(label_path).read().strip().split("\n")
    nclass = len(LABELS)
 
    # 为每个类别的边界框随机匹配相应颜色
    np.random.seed(42)
    COLORS = np.random.randint(0, 255, size=(nclass, 3), dtype='uint8')
 
    # 载入图片并获取其维度
    base_path = os.path.basename(pathIn)
    img = cv2.imread(pathIn)
    (H, W) = img.shape[:2]
 
    # 加载模型配置和权重文件
    print('从硬盘加载YOLO......')
    net = cv2.dnn.readNetFromDarknet(config_path, weights_path)
 
    # 获取YOLO输出层的名字
    ln = net.getLayerNames()
    ln = [ln[i[0] - 1] for i in net.getUnconnectedOutLayers()]
 
    # 将图片构建成一个blob，设置图片尺寸，然后执行一次
    # YOLO前馈网络计算，最终获取边界框和相应概率
    blob = cv2.dnn.blobFromImage(img, 1 / 255.0, (416, 416), swapRB=True, crop=False)
    net.setInput(blob)
    start = time.time()
    layerOutputs = net.forward(ln)
    end = time.time()
 
    # 显示预测所花费时间
    print('YOLO模型花费 {:.2f} 秒来预测一张图片'.format(end - start))
 
    # 初始化边界框，置信度（概率）以及类别
    boxes = []
    confidences = []
    classIDs = []
 
    # 迭代每个输出层，总共三个
    for output in layerOutputs:
        # 迭代每个检测
        for detection in output:
            # 提取类别ID和置信度
            scores = detection[5:]
            classID = np.argmax(scores)
            confidence = scores[classID]
 
            # 只保留置信度大于某值的边界框
            if confidence > confidence_thre:
                # 将边界框的坐标还原至与原图片相匹配，记住YOLO返回的是
                # 边界框的中心坐标以及边界框的宽度和高度
                box = detection[0:4] * np.array([W, H, W, H])
                (centerX, centerY, width, height) = box.astype("int")
 
                # 计算边界框的左上角位置
                x = int(centerX - (width / 2))
                y = int(centerY - (height / 2))
 
                # 更新边界框，置信度（概率）以及类别
                boxes.append([x, y, int(width), int(height)])
                confidences.append(float(confidence))
                classIDs.append(classID)
 
    # 使用非极大值抑制方法抑制弱、重叠边界框
    idxs = cv2.dnn.NMSBoxes(boxes, confidences, confidence_thre, nms_thre)
 
    # 确保至少一个边界框
    if len(idxs) > 0:
        # 迭代每个边界框
        for i in idxs.flatten():
            # 提取边界框的坐标
            (x, y) = (boxes[i][0], boxes[i][1])
            (w, h) = (boxes[i][2], boxes[i][3])
 
            # 绘制边界框以及在左上角添加类别标签和置信度
            color = [int(c) for c in COLORS[classIDs[i]]]
            cv2.rectangle(img, (x, y), (x + w, y + h), color, 2)
            text = '{}: {:.3f}'.format(LABELS[classIDs[i]], confidences[i])
            (text_w, text_h), baseline = cv2.getTextSize(text, cv2.FONT_HERSHEY_SIMPLEX, 0.5, 2)
            cv2.rectangle(img, (x, y - text_h - baseline), (x + text_w, y), color, -1)
            cv2.putText(img, text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 2)
 
    # 输出结果图片
    if pathOut is None:
        cv2.imwrite('with_box_' + base_path, img, [int(cv2.IMWRITE_JPEG_QUALITY), jpg_quality])
    else:
        cv2.imwrite(pathOut, img, [int(cv2.IMWRITE_JPEG_QUALITY), jpg_quality])