[패스트캠퍼스 수강 후기] 컴퓨터비전인강 100% 환급 챌린지 22 회차

힘들다

후 ㅜ 대인기피증 생기겟음

 

OpenCV DNN(Deep Neural Network) 모듈

• 미리 학습된 딥러닝 모델을 이용하여 실행(forward pass, inference) 하는 기능
• 학습은 지원하지 않음
• OpenCV 3.3 버전부터 기본 기능으로 제공
• OpenCV 4.3 버전부터 GPU(CUDA) 지원 (소스 코드 직접 빌드 필요)
• 참고: https://github.com/opencv/opencv/wiki/Deep-Learning-in-OpenCV
▪ 지원하는 딥러닝 프레임워크 

OpenCV DNN 모듈

▪ 검증된 딥러닝 네트워크

 

OpenCV DNN API

▪ 네트워크 불러오기

• model: 훈련된 가중치를 저장하고 있는 이진 파일 이름
• config: 네트워크 구성을 저장하고 있는 텍스트 파일 이름
• framework: 명시적인 딥러닝 프레임워크 이름
• retval: cv2.dnn_Net 클래스 객체

 

▪ 네트워크 입력 블롭(blob) 만들기

• image: 입력 영상
• scalefactor: 입력 영상 픽셀 값에 곱할 값. 기본값은 1.
• size: 출력 영상의 크기. 기본값은 (0, 0).
• mean: 입력 영상 각 채널에서 뺄 평균 값. 기본값은 (0, 0, 0, 0).
• swapRB: R과 B 채널을 서로 바꿀 것인지를 결정하는 플래그. 기본값은 False.
• crop: 크롭(crop) 수행 여부. 기본값은 False.
• ddepth: 출력 블롭의 깊이. CV_32F 또는 CV_8U. 기본값은 CV_32F.
• retval: 영상으로부터 구한 블롭 객체. numpy.ndarray. shape=(N,C,H,W). dtype=numpy.float32.

▪ 네트워크 입력 설정하기

• blob: 블롭 객체
• name: 입력 레이어 이름
• scalefactor: 추가적으로 픽셀 값에 곱할 값
• mean: 추가적으로 픽셀 값에서 뺄 평균 값

▪ 네트워크 순방향 실행 (추론)

• outputName: 출력 레이어 이름
• retval: 지정한 레이어의 출력 블롭. 네트워크마다 다르게 결정됨.
• outputNames: 출력 레이어 이름 리스트
• outputBlobs: 지정한 레이어의 출력 블롭 리스트