如何使用预训练的 .caffemodel 在 python 上对单个图像执行预测

Posted 2023-03-13

【中文标题】如何使用预训练的 .caffemodel 在 python 上对单个图像执行预测

【英文标题】：How to use the pretrained .caffemodel to perform prediction on single image on python

【发布时间】：2020-11-29 18:20:40

【问题描述】：

如何使用经过训练的网络架构的预训练 .caffemodel（已从数据集页面安装）和 .prototxt 文件来预测单个图像（性别分类）？

【参考方案1】：

Caffe 模型可以在 OpenCV 中运行。此外，您不必在您的环境中安装 Caffe。

模型加载

import cv2
model = cv2.dnn.readNetFromCaffe("x.prototxt", "y.caffemodel")

调整输入大小

您需要将输入图像的大小调整为参考模型的预期输入大小。这在 prototxt 文件中有所提及。例如，以下模型需要 (1, 3, 160, 160) 形状的输入。

input: "data"
input_dim: 1
input_dim: 3
input_dim: 160
input_dim: 160

您可以读取图像并调整其大小，如下所示。

img = cv2.imread("img.jpg")
img = cv2.resize(img , (160, 160)) #this is (160, 160, 3) shaped image
img_blob = cv2.dnn.blobFromImage(img ) #this is (1, 3, 160, 160) shaped image

预测

您现在可以将调整大小的图像传递给构建的模型。

model.setInput(img_blob)
output = model.forward()
print(output)

即使您的环境中未安装 Caffe，此功能也有效。 OpenCV 也封装了 torch 和 tensorflow 模型。