opencv中使用神经网络的方式

step 1: 加载网络模型(以及网络参数配置信息)

prototxtPath = os.path.sep.join([args["face"], "deploy.prototxt"])
weightsPath = os.path.sep.join([args["face"],
	"res10_300x300_ssd_iter_140000.caffemodel"])
faceNet = cv2.dnn.readNet(prototxtPath, weightsPath)

step 2:  构造一个适合这个网络模型的输入  

一般包含图片,图片分辨率(有些网络是固定,有些可容许多种规格选择),要不要裁剪crop,swapRB是指RGB还是BGR

	blob = cv2.dnn.blobFromImage(frame, 1 / 255.0, (416, 416),swapRB=True,crop=False)
	net.setInput(blob)
	

step 3:  推理, 即计算出结果(检测种类以及概率), 有些还会有位置坐标参数