本次笔记要整理的内容是：通过OpenCV的dnn模块来调用OpenCV自带的inception5h模型，并实现物体识别。该模型可识别的类别总共有1000类，包含动物、日常用品、交通工具等等，范围非常广泛。下面通过代码逐步整理。
首先，我们需要加载模型，并设置计算后台和目标设备。
//加载opencv自带的tenserflow模型实现图像分类
const string tf_net_model_path = "D:\\opencv_c++\\opencv_tutorial\\data\\models\\inception5h\\tensorflow_inception_graph.pb";
const string labels_txt_path = "D:\\opencv_c++\\opencv_tutorial\\data\\models\\inception5h\\imagenet_comp_graph_label_strings.txt";
//加载tf模型
dnn::Net tf_net = dnn::readNetFromTensorflow(tf_net_model_path);
tf_net.setPreferableBackend(DNN_BACKEND_OPENCV); //设置计算后台，DNN_BACKEND_INFERENCE_ENGINE表示使用openVINO进行加速计算，但是一些模型上使用会报错；DNN_BACKEND_OPENCV表示使用opencv自带的dnn后台进行计算
tf_net.setPreferableTarget(DNN_TARGET_CPU); //设置计算目标设备
if (tf_net.empty())
{
cout << "read model file fail" << endl;
}
然后从文件中加载、并组织成可以索引类别的标签集。
//读取分类标签集
ifstream fp(labels_txt_path);
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);
}
}
然后读取测试图像。
//读取测试图像
Mat test_image = imread("D:\\opencv_c++\\opencv_tutorial\\data\\images\\pig.jpg");
resize(test_image, test_image, Size(700, 700));
imshow("test_image", test_image);
接着是非常重要的一步，就是将输入神经网络的图像进行预处理，将图像转化为一个4维的blob。
Mat inputBlob = dnn::blobFromImage(test_image, 1.0, Size(224, 224), Scalar(117,117,117), true, false, 5);
APIblobFromImage（）的参数含义如下：
（1）参数image：要输入神经网络进行处理或者分类的图片；
（2）参数scalefactor：将图像减去平均值之后，对每个像素点的像素值进行一定的尺度缩放，它的默认值是1；例如当scalefactor=1/2，则对图像进行减均值操作后，再对每个像素点的像素值乘1/2；
（3）参数size：神经网络（模型）在训练的时候要求输入的图片尺寸，由所使用的模型来决定；
（4）参数mean：对图像减去的平均值，如果我们需要对RGB图片的三个通道分别减去不同的值，那么可以使用3组平均值，如果只使用一组，那么就默认对三个通道减去一样的值。
对图片的R、G、B三通道求取平均像素值，然后将每个像素点减去平均值，就可以得到像素点之间的相对值，可以消除同一场景下不同光照情况的图片对最终分类的影响。该值由训练模型时所使用的数据集决定。
（5）参数swapRB：OpenCV中图像的通道顺序是BGR，但是有些神经网络的输入图像其通道顺序是RGB；当测试图像和神经网络要求的输入图像的通道顺序不同时，则将swapRB=true，即交换输入图像的R、B通道；该值由所使用的神经网络的输入图像要求所决定；
（6）参数crop：表示是否对要输入神经网络的测试图像进行裁剪，一般默认为false；
（7）参数depth：返回的blob的深度。
接着就可以将处理好的blob传入神经网络中进行前向传播了，并得到预测结果。
Mat prob;
//设置神经网络的输入，可以指定为某一层的输入，默认第一层神经层为输入层
tf_net.setInput(inputBlob);
//对神经网络进行前向传播，得到一个预测结果；具体结构由所使用的神经网络输出层决定
prob = tf_net.forward();
得到预测结果后，需要将结果做一定的处理，也就是把结果矩阵转换为1行多列的矩阵，其中每一列就是一个类别的置信度。我们获取其中数值最大的一列，那么该列的x坐标在标签集中对应的类别就是输出的预测类别。
//将预测结果转化为一行多列的单通道Mat对象，每一列为一个标签的置信度
Mat prob_mat = prob.reshape(1, 1);
//寻找预测结果中置信度最大的某个分类，即为输入测试图像的预测分类
double maxval;
Point maxloc;
minMaxLoc(prob_mat, NULL, &maxval, NULL, &maxloc);
int classID = maxloc.x;
maxval = maxval * 100;
最后对预测结果进行可视化输出。
//输出预测结果
string confidence = to_string(maxval);
string img_class = class_labels[classID];
putText(test_image, img_class+confidence+"%", Point(50, 50), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 255, 0), 2, LINE_AA);
imshow("retult", test_image);
cout <<"运行时间: "<< run_time << "s" << endl;
运行结果如下：
到这里，我们就实现了在OpenCV中dnn模块来调用inception5h模型来进行图像分类的功能，那么本次笔记到此结束啦。
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！