opencv-136-DNN解析网络输出结果

发表于 | 分类于

知识点

多数时候DNN模块中深度学习网络的输出结果，可能是二维、三维、或者四维的，具体跟网络的结构有很大的关系，一般常见的图像分类网络，是一个1XN维的向量，通过reshape之后就很容易解析，
解析代码如下：
Mat flat = prob.reshape(1,1)
Point maxLoc;
minMaxLoc(flat, 0, 0, &maxLoc)
int predict = maxLoc.x;

如果是对象检测网络SSD/RCNN/Faster-RCNN网络，输出的是NX7的模式
所以其解析方式如下：
Mat detectionMat(out.size[2]， out.size[3], CV_32F, out.ptr())
就可以解析该结构！

如果对象检测网络是基于Region的YOLO网络，则解析方式变为
Mat scores = outs[i].row(j).colRange(5, outs[i].cols);
前面五个为cx,cy,w, h, objectness

如果模型网络是图像分割的网络，最后一层输出是3通道的图像对象，则解析方式为：
Mat green(224, 224, CV_32F, blob.ptr(0, 1)) // 表示绿色通道！