OpenCV DNN 中 net.forward() 返回的 4D 数组是啥意思？我对深度学习知之甚少

Posted 2023-03-16

【中文标题】OpenCV DNN 中 net.forward() 返回的 4D 数组是啥意思？我对深度学习知之甚少

【英文标题】：What does the 4D array returned by net.forward() in OpenCV DNN means? I have little knowledge about deep learningOpenCV DNN 中 net.forward() 返回的 4D 数组是什么意思？我对深度学习知之甚少

【发布时间】：2021-07-25 02:23:24

【问题描述】：

我需要使用人脸检测来完成我的作业，然后我在网上搜索，我认为使用带有 OpenCV 的 DNN 模块的预训练深度学习人脸检测器模型既简单又好，效果很好。我在这里学到的：https://www.pyimagesearch.com/2018/02/26/face-detection-with-opencv-and-deep-learning/，但我真的对 net.forward() 返回的 4D 数组感到困惑：

net = cv2.dnn.readNetFromCaffe("deploy.prototxt", "res10_300x300_ssd_iter_140000_fp16.caffemodel")
def detect_img(net, image):
    blob = cv2.dnn.blobFromImage(image, 1.0, (300, 300), (104.0, 177.0, 123.0), False, False)
    net.setInput(blob)
    detections = net.forward() # Here is the 4D array.
    print(detections.shape)
    return show_detections(image, detections)

我对深度学习几乎一无所知。我想我通过阅读“deploy.prototxt”猜到了一些东西，我猜这可能是预训练模型的配置文件，但我仍然对此感到非常困惑。请问是否有一种方法可以快速理解4D数组的含义？我能否在一周内了解预训练模型的大致工作原理，以及对深度学习的了解不足？

【参考方案1】：

第三维帮助您迭代预测和

在第四维度，有实际结果

class_lable = int(inference_results[0, 0, i,1]) --> 为第 i 个盒子提供一个热编码类标签

conf = inference_results[0, 0, i, 2] --> 给出第 i 个框预测的置信度

TopLeftX,TopLeftY, BottomRightX, BottomRightY = inference_results[0, 0, i, 3:7] -->给 调整大小的小图像的坐标边界框

当预测在多个阶段进行时使用第二维，例如在 YOLO 中，预测是在 3 个不同的层中完成的。 你可以使用像[:,i,:,:]这样的二维来迭代这些预测

【讨论】：

我可以再问一件事吗？第 1 维是什么意思？而且我也很好奇，无论是一种标准还是一种规则，无论你使用什么物体检测系统，比如 SSD 和 YOLO，你总能得到一个 4D 数组？