OpenCV3与深度学习实例：使用MobileNet SSD检测物体

最新推荐文章于 2025-06-06 13:26:49 发布

视觉与物联智能

最新推荐文章于 2025-06-06 13:26:49 发布

阅读量1.6k

点赞数

CC 4.0 BY-SA版权

分类专栏： OpenCV深度神经网络模块实例

本文链接：https://blog.csdn.net/wujuxKkoolerter/article/details/86152545

OpenCV深度神经网络模块实例专栏收录该内容

20 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何利用OpenCV3和深度学习模型MobileNet SSD进行物体检测。通过实例展示了从加载模型到应用模型进行实时物体检测的完整过程，详细解释了关键步骤和技术要点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#coding:utf-8
import numpy as np
import argparse
import cv2

# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=False,default='datas/images/people.jpg',
	help="path to input image")
# ap.add_argument("-p", "--prototxt", required=True,
# 	help="path to Caffe 'deploy' prototxt file")
# ap.add_argument("-m", "--model", required=True,
# 	help="path to Caffe pre-trained model")
ap.add_argument("-c", "--confidence", type=float, default=0.2,
	help="minimum probability to filter weak detections")
args = vars(ap.parse_args())

# initialize the list of class labels MobileNet SSD was trained to
# detect, then generate a set of bounding box colors for each class
CL

了解本专栏